An integrated in silico-in vitro workflow for discovering high-affinity, selective antibodies to the KRAS(G12D)-MHC I complex
Notice bibliographique
Résumé
Abstract Antibodies that recognize peptide–loaded class I major histocompatibility complex (pMHC I) molecules could enable therapeutic targeting of intracellular oncogenic proteins, yet their discovery has been hampered by the small size of peptide antigens and allele-specificity. We describe an integrated in silico–in vitro workflow for generating high-affinity, selective antibodies to KRAS(G12D) 10 presented by HLA-C*08:02, a clinically validated cancer neoantigen. In silico, multiple human antibody-derived variable fragments (Fvs) plausibly docked to the target pMHC were generated, followed by limited complementarity-determining region (CDR) sequence design. In vitro, CDR diversity was introduced at 3–4 positions per Fv to construct yeast surface display library for iterative selections. This workflow yielded antibodies with exclusive binding to KRAS(G12D) 10 /HLA-C*08:02 without cross-reactivity. Affinity maturation achieved nanomolar dissociation constants, and incorporation into chimeric antigen receptor T cells enabled specific activation against target-positive cells. This study establishes a practical design-to-function pipeline for TCR-like antibody discovery, and demonstrates the feasibility of therapeutic targeting against KRAS(G12D)-driven malignancies.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 ».