A Surface Plasmon Resonance‐Based Integrated Assay for Quantification and Glycosylation Characterization of Monoclonal Antibodies in Crude Heterogeneous Samples
Notice bibliographique
Résumé
The rise in cancer, autoimmune, inflammatory, and infectious diseases in recent decades has led to a surge in the development of monoclonal antibodies (mAbs) therapies, now the most widely used family of biologics. To meet the growing global demand, biopharmaceutical industries are intensifying their production processes. One approach to achieve more efficient production of effective mAbs is to develop tools for real-time quality monitoring. Specifically, the glycosylation profile of mAbs must be closely monitored, since it greatly impacts their therapeutic efficacy and innocuity, making it a critical quality attribute. In this study, we developed a surface plasmon resonance-based integrated assay allowing for the simultaneous quantification and glycosylation characterization of mAbs in crude samples, hence permitting the at-line analysis of bioreactor cell cultures. Thanks to the high specificity of the interaction between biosensor surface-bound protein A and the Fc region of mAbs, we quantified crude IgG samples under mass transport limitations. Next, by flowing running buffer on the surface, impurities contained in the mAbs samples were washed away from the biosensor surface, allowing subsequent recording of the kinetics between the captured mAbs and injected FcγRII receptors. Of interest, with this strategy, we were able to quantify terminal galactosylation and core fucosylation of IgG lots, two important glycan modifications for mAb efficacy.
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) | 0,000 | 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 ».