Mimicry of molecular glues using dual covalent chimeras
Notice bibliographique
Résumé
A special class of proximity inducing bifunctional molecules/chimeras called molecular glues leverage positive co-operativity to stabilize ternary complex formation and induce a biological response. Despite their utility, molecular glues remain challenging to rationally design. This is particularly true in the context of inducing cell-cell proximity which involve ternary complexes that comprise non- or negatively interacting proteins. In this work, we develop a dual proximity labeling strategy enabling a chimera to covalently crosslink a non-interacting serum antibody to a tumor surface protein, within a ternary complex. The resultant resistance to dissociation, including in the presence of competitor binding ligands, mimics molecular glue stabilization. We demonstrate these covalent glue mimics (CGMs) can induce cell-cell proximity in three distinct model systems of tumor-immune recognition, leading to significant functional enhancements. Collectively, this work underscores the utility of dual proximal covalent labeling as a potential general strategy to stabilize ternary complexes comprising non-interacting proteins and enforce cell-cell interactions. The authors report the development of dual covalent proximity inducing molecules capable of selectively cross-linking two non-interacting proteins. Through the selective proximity-based activation of two SuFEx electrophiles, a functional ternary complex of interest can be trapped kinetically which mimics the thermodynamic stabilization associated with molecular glues. This work further demonstrates that “covalent glue mimics” can efficiently and selectively crosslink tumor immunotherapeutically relevant proteins to stabilize and promote cell-cell interactions enacting tumor cell clearance.
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 | 0,001 | 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 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 ».