Protein misfolding‐specific epitope identification for passive and active immunotherapy of neurodegenerative diseases
Notice bibliographique
Résumé
BACKGROUND: Toxic misfolded proteins underlie the pathogenesis of neurodegenerative diseases such as Alzheimer's and Parkinson's disease (AD&PD), and amyotrophic lateral sclerosis/frontotemporal dementia (ALS/FTD). Generation of therapeutic antibodies selectively targeting only disease-misfolded isoforms, while sparing normal or irrelevant isoforms, has not yet been successfully achieved by conventional immunization strategies. METHOD: ProMIS Neurosciences has developed a computational platform to identify conformational epitopes that are uniquely exposed on toxic misfolded proteins, which can then be used to generate misfolding-specific antibodies or vaccine formulations. RESULT: Application of the ProMIS platform produced PMN310, a clinical-stage, humanized monoclonal antibody highly selective for Abeta oligomers without significant reactivity with Abeta monomers or fibrils, thereby avoiding target distraction by these more abundant species, and reducing the risk of brain edema and microhemorrhages associated with the targeting of vascular/parenchymal amyloid. Similarly, specific epitopes for alpha-synuclein toxic oligomers/soluble fibrils that drive synucleinopathies, and for pathogenic TDP-43 in ALS/FTD have been identified and lead candidate antibodies generated. The small size and precise conformation of these epitopes have been translated into vaccines, enabling the specific targeting of pathogenic molecular species in preclinical models. CONCLUSION: ProMIS has circumvented the specificity limitations of conventional immunizations to enable selective passive and active immunotherapies for neurodegenerative diseases.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 ».