Bispecific antibodies combine breadth, potency, and avidity of parental antibodies to neutralize sarbecoviruses
Notice bibliographique
Résumé
Abstract SARS-CoV-2 mutational variants evade humoral immune responses elicited by vaccines and current monoclonal antibody (mAb) therapies. Novel antibody-based treatments will thus need to exhibit broad neutralization against different variants. Bispecific antibodies (bsAbs) combine the specificities of two distinct antibodies into one antibody taking advantage of the avidity, synergy and cooperativity provided by targeting two different epitopes. Here we used controlled Fab-arm exchange (cFAE), a versatile and straightforward method, to produce bsAbs that neutralize SARS-CoV and SARS-CoV-2 variants, including Omicron and its subvariants, by combining potent SARS-CoV-2-specific neutralizing antibodies with broader but less potent antibodies that also neutralize SARS-CoV. We demonstrate that the parental IgG’s rely on avidity for their neutralizing activity by comparing their potency to bsAbs containing one irrelevant “dead” Fab arm. We used single particle mass photometry to measure formation of antibody:spike complexes, and determined that bsAbs increase binding stoichiometry compared to corresponding cocktails, without a loss of binding affinity. The heterogeneous binding pattern of bsAbs to spike (S), observed by negative-stain electron microscopy and mass photometry provided evidence for both intra- and inter-spike crosslinking. This study highlights the utility of cross-neutralizing antibodies for designing bivalent or multivalent agents to provide a robust activity against circulating variants, as well as future SARS-like coronaviruses.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».