MétaCan
Menu
Retour à la cohorte
Enregistrement W4414741326 · doi:10.1093/clinchem/hvaf086.567

B-174 Turning Polyclonal Antibodies into Monoclonals: A Proteomics-Driven Approach

2025· article· en· W4414741326 sur OpenAlexaff
Thierry Le Bihan, Teresa Nunez de Villavicencio Diaz, Bin Ma

Notice bibliographique

RevueClinical Chemistry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensNovelis (Canada)
Organismes subventionnairesnon disponible
Mots-clésPolyclonal antibodiesMonoclonal antibodyRecombinant DNAAntibodyMonoclonalImmunoglobulin light chainOrbitrap

Résumé

récupéré en direct d'OpenAlex

Abstract Background Polyclonal antibodies (pAb), derived from immunized animals, are essential reagents used in antigen-specific experiments across diagnostics and research. However, pAb production faces challenges such as batch-to-batch variability, hindering research reproducibility and requires continued animal use and culling. One potential solution is determining the sequences of dominant antibody forms within a polyclonal mixture, enabling the development of recombinant monoclonal antibody mixtures. This approach allows for recombinant expression, replicating the binding characteristics of the original pAbs and promoting reproducibility in clinical research and laboratory medicine. Methods In this study, we employed a novel mass spectrometry-based method using the REpAb® polyclonal sequencing platform to sequence polyclonal antibodies directly from a purified protein mixture, completely de novo, without relying on prior sequence knowledge or databases. First, a purified polyclonal mixture was subjected to multi-enzyme digestion to generate shorter, overlapping peptides. Both middle-down and top-down mass spectrometry methods were then applied to analyze these peptides. The resulting data was de novo sequenced by tandem mass spectrometry (MS/MS), and the peptides were subsequently assembled into full-length antibody chains with correct pairing of the heavy and light antibody chains using machine learning-based bioinformatics. Protein lysates underwent analysis using an Orbitrap EclipseTM Series instrument (ThermoFisher Scientific, CA, US) coupled with the LC Evosep One (Evosep, Denmark). Results Following de novo sequencing of the polyclonal antibodies, chain assembly, and chain pairing, the dominant antibody forms within the pAb mixture were recombinantly expressed as monoclonal antibodies (mAbs) based on the derived sequences. The recombinant mAbs exhibited affinities in the mid-picomolar to low-nanomolar range and demonstrated comparable activity to the original polyclonal sample. Conclusion This study demonstrates the application of mass spectrometry and de novo protein sequencing technology to generate recombinant polyclonal antibody mixtures directly from a purified protein mixture. This approach enhances the application of polyclonal antibodies in research, laboratory, and diagnostic settings where reproducibility is essential. High affinity, antigen-specific antibodies were successfully captured and derived without the need for cell lines or nucleotide sequence data. By converting a polyclonal mixture into recombinant monoclonal forms, good antibody products can be immortalized and produced at a large scale, eliminating the irreproducibility issue inherent with pAbs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,412
Écart entre enseignants0,366 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ChemistryMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207