Multilevel─Intact, Subunits, and Peptides─Characterization of Antibody-Based Therapeutics by a Single-Column LC–MS Setup
Notice bibliographique
Résumé
A comprehensive characterization of biotherapeutics, mandated by regulatory authorities, requires analyses of a protein drug at multiple structure levels. Such multilevel characterization can be performed by mass spectrometry (MS), with established conventional MS-based assays of product quality attributes (PQAs) comprising intact protein and subunit middle-up MS with analytes resolved on a C4 column, and bottom-up peptide mapping with analytes resolved on a C18 column. Recent advances in MS have facilitated the increasing use of middle-down analysis, expanding the qualitative analytical capability of MS for protein characterization. Recent studies using less-retentive reversed-phase LC in bottom-up MS also offer an opportunity for streamlining equipment configuration to a single-column LC-MS setup for multilevel characterization of therapeutic proteins. In this study, we developed a robust middle-down LC-MS method on a ZenoTOF 7600 and evaluated a C4 LC-MS setup for the characterization of NISTmAb, RG7221 bispecific antibody (bsAb), and Fc-fusion etanercept by intact protein, subunit middle-up/down, and bottom-up analyses. Successful multilevel characterization of the analytes using C4 LC-MS was demonstrated; notably, high sequence coverage and comprehensive post-translational modification profiling, including the mapping of all 13 O- and 3 N-glycosylation sites on etanercept in a single run, were obtained by bottom-up C4 LC-MS. This is also the first report on middle-down analysis of the major etanercept TNFR and Fc subunit glycoforms. A streamlined single-column LC-MS setup will enable more robust and efficient MS workflows for PQA assessment and simplify the integration of an LC-MS analyzer as a process analytical technology instrument for biopharma applications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 ».