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 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 | 0,000 | 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) | 0,000 | 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 ».