Influence of physicochemical conditions on liquid-liquid phase separation and stability of immunoglobulin Y for storage and application
Notice bibliographique
Résumé
Liquid-liquid phase separation (LLPS) is a biological process and can lead to the formation of irreversible aggregates of functional proteins upon storage and administration, making it essential to predict and mitigate this phenomenon. Immunoglobulin Y (IgY), a unique class of antibody derived from egg yolk has broad applications in disease diagnosis, prophylaxis, and treatment. In this study, we observed the formation of droplet-shaped condensates of IgY under crowding conditions with polyethylene glycol 8000 (PEG 8000). To assess the relative contribution of different IgY domains to LLPS, we prepared the fragment antigen binding (Fab), fragment crystallizable (Fc) 3-4, and Escherichia coli-expressed IgY-Fc 2-4 domain. After PEG 8000 addition, the Fab fragments more propensity to aggregate, while Fc 3-4 and E. coli-expressed Fc underwent LLPS. Furthermore, we found that LLPS of IgY is influenced by electrostatic interactions. Recognizing the negative effects of LLPS on antibody efficacy, our study showed that the addition of arginine and lysine at low concentrations could prevent PEG-induced LLPS, enhancing IgY stability. These findings provide valuable insights into the optimization of IgY antibody applications and storage conditions, advancing our understanding of antibody stability in solution and facilitating the development of strategies to protect antibodies from aggregation.
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 | 0,001 |
| 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 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 ».