MétaCan
Menu
Retour à la cohorte
Enregistrement W4388288471 · doi:10.1021/acscentsci.3c01052

Offsetting Low-Affinity Carbohydrate Binding with Covalency to Engage Sugar-Specific Proteins for Tumor-Immune Proximity Induction

2023· article· en· W4388288471 sur OpenAlexafffund
Benjamin Lake, Anthony F. Rullo

Notice bibliographique

RevueACS Central Science · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCancer Research Society
Mots-clésChemistryBiochemistryImmune systemAntibodyAvidityReceptorCell biologyBiologyImmunology

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Carbohydrate-binding receptors are often used by the innate immune system to potentiate inflammation, target endocytosis/destruction, and adaptive immunity (e.g., CD206, DC-SIGN, MBL, and anticarbohydrate antibodies). To access this class of receptors for cancer immunotherapy, a growing repertoire of bifunctional proximity-inducing therapeutics use high-avidity multivalent carbohydrate binding domains to offset the intrinsically low affinity associated with monomeric carbohydrate–protein binding interactions ( K d ≈ 10 –3 –10 –6 M). For applications aimed at recruiting anticarbohydrate antibodies to tumor cells, large synthetic scaffolds are used that contain both a tumor-binding domain (TBD) and a multivalent antibody-binding domain (ABD) comprising multiple l -rhamnose monosaccharides. This allows for stable bridging between tumor cells and antibodies, which activates tumoricidal immune function. Problematically, such multivalent macromolecules can face limitations including synthetic and/or structural complexity and the potential for off-target immune engagement. We envisioned that small bifunctional “proximity-inducing” molecules containing a low-affinity monovalent ABD could efficiently engage carbohydrate-binding receptors for tumor-immune proximity by coupling weak binding with covalent engagement. Typical covalent drugs and electrophilic chimeras use high-affinity ligands to promote the fast covalent engagement of target proteins (i.e., large k inact / K I ), driven by a favorably small K I for binding. We hypothesized the much less favorable K I associated with carbohydrate–protein binding interactions can be offset by a favorably large k inact for the covalent labeling step. In the current study, we test this hypothesis in the context of a model system that uses rhamnose-specific antibodies to induce tumor-immune proximity and tumoricidal function. We discovered that synthetic chimeric molecules capable of preorganizing an optimal electrophile (i.e., SuFEx vs activated ester) for protein engagement can rapidly covalently engage natural sources of antirhamnose antibody using only a single low-affinity rhamnose monosaccharide ABD. Strikingly, we observe chimeric molecules lacking an electrophile, which can only noncovalently bind the antibody, completely lack tumoricidal function. This is in stark contrast to previous work targeting small molecule hapten and peptide-specific antibodies. Our findings underscore the utility of covalency as a strategy to engage low-affinity carbohydrate-specific proteins for tumor-immune proximity induction.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,308
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Central ScienceMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207