Antibody mutations favoring <scp>pH</scp>‐dependent binding in solid tumor microenvironments: Insights from large‐scale structure‐based calculations
Notice bibliographique
Résumé
Antibody-based therapeutics for treatment of various tumors have grown rapidly in recent years. Unfortunately, safety issues, attributed to off-tumor effects and cytotoxicity, are still a significant concern with the standard of care. Improvements to ensure targeted delivery of antitumor pharmaceuticals are desperately needed. We previously demonstrated that incorporating histidyl pH-switches in an anti-HER2 antibody induced selective antigen binding under acidic pH conditions (MAbs 2020;12:1682866). This led to an improved safety profile due to preferential targeting of the oncoprotein in the acidic solid tumor microenvironment. Following this success, we expanded this approach to a set of over 400 antibody structures complexed with over 100 different human oncoproteins, associated with solid tumors. Calculations suggested that mutations to His of certain residue types, namely Trp, Arg, and Tyr, could be significantly more successful for inducing pH-dependent binding under acidic conditions. Furthermore, 10 positions within the complementarity-determining region were also predicted to exhibit greater successes. Combined, these two accessible metrics could serve as the basis for a sequence-based engineering of pH-selective binding. This approach could be applied to most anticancer antibodies, which lack detailed structural characterization.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».