The proteomic toolbox for identification, quantification, and characterization of polyclonal antibodies
Notice bibliographique
Résumé
SUMMARY Recent advances in proteomics and mass spectrometry facilitated the in-depth characterization of monoclonal antibodies and enabled innovative approaches for the quantification of polyclonal antibodies generated against numerous antigens. Human respiratory syncytial virus (RSV) is a contagious respiratory pathogen often manifested as a common cold infection in adults and more serious symptoms in infants and the elderly population. Here, we used a reference IgG1κ monoclonal antibody NISTmAb 8671 and its affinity interaction with an RSV fusion glycoprotein F as a model to develop the proteomic toolbox for identification, quantification, and characterization of polyclonal antibodies. Our toolbox integrated a variety of proteomic and mass spectrometry approaches for accurate mass measurements of antibody fragments, antibody digestion with the complimentary proteases (trypsin, asparaginase, and proalanase), immunoaffinity enrichments, and bottom-up or middle-down proteomics. We measured absolute concentrations of anti-RSV antibody isotypes and subclasses in 69 serum samples of healthy individuals and revealed IgG1 (2,580 ng/mL), IgA1 (280 ng/mL), and IgM (180 ng/mL) as the most abundant isotypes. Interestingly, we also identified the presence of IgG2 (74 ng/ml), IgG4 (4.9 ng/mL) and IgA2 (5.5 ng/mL) antibodies. Interactome measurements detected the consistent co-precipitation of C1q complement complexes. Repertoire profiling of the variable regions of polyclonal antibodies revealed the frequent use of IGHV3 subgroup genes, while IGHV5-51 was the most abundant single gene of the anti-RSV polyclonal antibody response. The presented toolbox will facilitate the in-depth characterization of polyclonal antibodies and pave the way to quantitative approaches in serological studies and precision immunology.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,006 |
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 ».