Moderate‐Affinity Affibodies Modulate the Delivery and Bioactivity of Bone Morphogenetic Protein‐2
Notice bibliographique
Résumé
Uncontrolled bone morphogenetic protein-2 (BMP-2) release can lead to off-target bone growth and other adverse events. To tackle this challenge, yeast surface display is used to identify unique BMP-2-specific protein binders known as affibodies that bind to BMP-2 with different affinities. Biolayer interferometry reveals an equilibrium dissociation constant of 10.7 nm for the interaction between BMP-2 and high-affinity affibody and 34.8 nm for the interaction between BMP-2 and the low-affinity affibody. The low-affinity affibody-BMP-2 interaction also exhibits an off-rate constant that is an order of magnitude higher. Computational modeling of affibody-BMP-2 binding predicts that the high- and low-affinity affibodies bind to two distinct sites on BMP-2 that function as different cell-receptor binding sites. BMP-2 binding to affibodies reduces expression of the osteogenic marker alkaline phosphatase (ALP) in C2C12 myoblasts. Affibody-conjugated polyethylene glycol-maleimide hydrogels increase uptake of BMP-2 compared to affibody-free hydrogels, and high-affinity hydrogels exhibit lower BMP-2 release into serum compared to low-affinity hydrogels and affibody-free hydrogels over four weeks. Loading BMP-2 into affibody-conjugated hydrogels prolongs ALP activity of C2C12 myoblasts compared to soluble BMP-2. This work demonstrates that affibodies with different affinities can modulate BMP-2 delivery and activity, creating a promising approach for controlling BMP-2 delivery in clinical applications.
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) | 0,000 | 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 | 0,000 |
| 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 ».