MétaCan
Menu
← Retour à la cohorte
Enregistrement W4391513795 · doi:10.1101/2024.01.31.578303

A pipeline for facile cloning of antibody Fv domains and their expression, purification, and characterization as recombinant His-tagged IgGs

2024· preprint· en· W4391513795 sur OpenAlexafffund
Akesh Sinha, Jinha Park, Naveed Gulzar, Darpan N. Pandya, Thaddeus J. Wadas, Jamie K. Scott

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Cancer InstituteHolden Comprehensive Cancer Center, University of IowaRoy J. and Lucille A. Carver College of Medicine, University of IowaSimon Fraser University
Mots-clésMonoclonal antibodyRecombinant DNACloning (programming)Immunoglobulin light chainAntibodyPipeline (software)ChemistryHistidineMolecular biologyFusion proteinSingle-chain variable fragmentComputational biologyChromatographyBiochemistryBiologyAmino acidComputer scienceGeneGenetics

Résumé

récupéré en direct d'OpenAlex

We report a functional pipeline for facile conversion of variable Fv domains, typically discovered in antibody discovery programs, into chimeric monoclonal antibodies (mAbs). Often, in initial screenings, a set of candidate mAbs is produced in small volumes and purified from supernatant for testing. Our pipeline also simplifies purification of mAbs by using an extended histidine tag (His-10) fused to the C-terminus of the light chain. Both the length of the His-10 and its location have been shown to affect the efficacy of mAb purification using an inexpensive nickel-based resin at neutral pH. Our antibody cloning and purification pipeline, when followed together with detection and affinity measurements, can be smoothly incorporated into an antibody discovery workflow.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,009

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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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
GenreMéthodes

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

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetMonoclonal and Polyclonal Antibodies Research→Travaux en français237 207→