Structural Survey of Antigen Recognition by Synthetic Human Antibodies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Synthetic antibody libraries have been used extensively to isolate and optimize antibodies. To generate these libraries, the immunological diversity and the antibody framework(s) that supports it outside of the binding regions are carefully designed/chosen to ensure favorable functional and biophysical properties. In particular, minimalist, single-framework synthetic libraries pioneered by our group have yielded a vast trove of antibodies to a broad array of antigens. Here, we review their systematic and iterative development to provide insights into the design principles that make them a powerful tool for drug discovery. In addition, the ongoing accumulation of crystal structures of antigen-binding fragment (Fab)-antigen complexes generated with synthetic antibodies enables a deepening understanding of the structural determinants of antigen recognition and usage of immunoglobulin sequence diversity, which can assist in developing new strategies for antibody and library optimization. Toward this, we also survey here the structural landscape of a comprehensive and unbiased set of 50 distinct complexes derived from these libraries and compare it to a similar set of natural antibodies with the goal of better understanding how each achieves molecular recognition and whether opportunities exist for iterative improvement of synthetic libraries. From this survey, we conclude that despite the minimalist strategies used for design of these synthetic antibody libraries, the overall structural interaction landscapes are highly similar to natural repertoires. We also found, however, some key differences that can help guide the iterative design of new synthetic libraries via the introduction of positionally tailored diversity.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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) | 0,000 | 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 découle