MétaCan
Menu
Retour à la cohorte
Enregistrement W6992934553

NEXT-GENERATION SEQUENCING AND MOTIF GRAFTING APPLICATIONS IN SYNTHETIC ANTIBODY DISCOVERY

2017· dissertation· en· W6992934553 sur OpenAlexfundno aff

Notice bibliographique

RevueUniversity Library - University of Saskatchewan (University of Saskatchewan) · 2017
Typedissertation
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenome Rearrangement Algorithms
Établissements canadiensnon disponible
Organismes subventionnairesWestern Economic Diversification CanadaCanadian Institutes of Health ResearchUniversity of TorontoCanadian Light Source
Mots-clésAntibodyMotif (music)Drug discoveryDNA sequencingPeptide sequenceSequence motifSequence (biology)DNACell culture
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The overall objective of this PhD project was to develop and validate methods for advancing the applications of two techniques, next-generation sequencing (NGS) and motif grafting, in synthetic antibody discovery.In the first part of this project, we developed an NGS-assisted antibody discovery platform by integrating phage-displayed single-framework synthetic antigenbinding fragment (Fab) libraries with Ion Torrent sequencing.We constructed a new singleframework synthetic Fab library containing 8.5 billion unique Fab clones, and validated its functionality by generating high affinity Fabs against Notch and Jagged receptors.We developed a rapid and simple method to link and sequence all diversified complementarity-determining regions (CDRs) in phage Fab pools without losing the CDR pairing information.We identified and reconstructed low-frequency rare Fab clones from NGS information in a reliable and highthroughput manner.In some cases, reconstructed rare clones (frequency ~0.1%) showed higher affinity and better specificity than high-frequency top clones isolated by Sanger sequencing, highlighting the importance of NGS in synthetic antibody discovery.In the second part of this project, we employed motif grafting to semi-rationally design phage-displayed synthetic Fab libraries that are biased towards interacting with a specific site on a receptor.We used structural information on the epidermal growth factor receptor (EGFR) homo-dimerization interaction to design a structure-guided Fab library that was biased towards interacting with domain II of EGFR.We used this structure-guided Fab library to obtain Fabs against the EGFR extracellular domain.For comparison, we used a naïve synthetic Fab library to generate an anti-EGFR Fab whose binding overlapped with the Fab isolated from the structure-guided Fab library.Both Fabs possessed low-nM binding values for recombinant and cell-surface EGFR and inhibited EGFmediated EGFR activation.Epitope mapping showed that domain II is partially responsible for the interaction of Fabs with EGFR.Further, both Fabs target unique epitopes that are different from previously validated epitopes on EGFR.In total, this PhD project resulted in novel methods for discovering synthetic antibodies using NGS and motif grafting techniques, three functional Fab libraries and numerous high-affinity Fabs against Notch, Jagged and EGF receptors.VDJ segments Variable (V), diversity (D) and joining (J) germline gene segments VEGFR-1 Vascular endothelial growth factor receptor 1 V H Variable heavy domain V L Variable light domain WT Wild type

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,013
Tête enseignante GPT0,198
Écart entre enseignants0,185 · 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
Publié2017
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueUniversity Library - University of Saskatchewan (University of Saskatchewan)Même sujetGenome Rearrangement AlgorithmsTravaux en français237 207