Multivalent CXCR4-targeting nanobody formats differently affect affinity, receptor clustering, and antagonism
Notice bibliographique
Résumé
The chemokine receptor CXCR4 is involved in the development and migration of stem and immune cells but is also implicated in tumor progression and metastasis for a variety of cancers. Antagonizing ligand (CXCL12)-induced CXCR4 signaling is, therefore, of therapeutic interest. Currently, there are two small-molecule CXCR4 antagonists on the market for the mobilization of hematopoietic stem cells. Other molecules with improved potencies and safety profiles are being developed for different indications, including cancer. Moreover, multiple antagonistic nanobodies targeting CXCR4 displayed similar or better potencies as compared to the CXCR4-targeting molecule AMD3100 (Plerixafor), which was further enhanced through avid binding of bivalent derivatives. In this study, we aimed to compare the affinities of various multivalent nanobody formats which might be differently impacted by avidity. By fusion to a flexible GS-linker, Fc-region of human IgG1, different C4bp/CLR multimerization domains, or via site-directed conjugation to a trivalent linker scaffold, we generated different types of multivalent nanobodies with varying valencies ranging from bivalent to decavalent. Of these, C-terminal fusion, especially to human Fc, was most advantageous with a 2-log-fold and 3-log-fold increased potency in inhibiting CXCL12-mediated Gαi- or β-arrestin recruitment, respectively. Overall, we describe strategies for generating multivalent and high-potency CXCR4 antagonistic nanobodies able to induce receptor clustering and conclude that fusion to an Fc-tail results in the highest avidity effect irrespective of the hinge linker.
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 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 | 0,000 | 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 | 0,000 |
| 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 tête enseignante, 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 ».