Reverse Engineering of a Pathogenic Antibody Reveals the Molecular Mechanism of Vaccine-Induced Immune Thrombotic Thrombocytopenia
Notice bibliographique
Résumé
The massive COVID-19 vaccine roll-out campaign illuminated a range of rare side effects, the most dangerous of which─vaccine-induced immune thrombotic thrombocytopenia (VITT)─is caused by adenoviral (Ad)-vectored vaccines. VITT occurrence had been linked to the production of pathogenic antibodies that recognize an endogenous chemokine, platelet factor 4 (PF4). Mass spectrometry (MS)-based evaluation of the ensemble of anti-PF4 antibodies obtained from a VITT patient’s blood indicates that the major component is a monoclonal antibody. Structural characterization of this antibody reveals several unusual characteristics, such as the presence of an N -glycan in the Fab segment and high density of acidic amino acid residues in the complementarity-determining regions. A recombinant version of this antibody (RVT1) was generated by transient expression in mammalian cells based on the newly determined sequence. It captures the key properties of VITT antibodies such as their ability to activate platelets in a PF4 concentration-dependent fashion. Homology modeling of the Fab segment reveals a well-defined polyanionic paratope, and the docking studies indicate that the polycationic segment of PF4 readily accommodates two Fab segments, cross-linking the antibodies to yield polymerized immune complexes. Their existence was verified with native MS by detecting assemblies as large as (RVT1) 3 (PF4) 2, pointing out at FcγRIIa-mediated platelet activation as the molecular mechanism underlying VITT clinical manifestations. In addition to the high PF4 affinity, RVT1 readily binds other polycationic targets, indicating a polyreactive nature of this antibody. This surprising promiscuity not only sheds light on VITT etiology but also opens up a range of opportunities to manage this pathology.
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 | 0,001 |
| 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 ».