Multivalent Ligand Binding to Cell Membrane Antigens: Defining the Interplay of Affinity, Valency, and Expression Density

化学 贪婪 抗原 背景(考古学) 配体(生物化学) 细胞生物学 纳米探针 嵌合抗原受体 体内 计算生物学 生物物理学 受体 生物化学 T细胞 纳米技术 免疫学 生物 免疫系统 材料科学 纳米颗粒 古生物学 生物技术
作者
Clifford M. Csizmar,Jacob R. Petersburg,Thomas Perry,Lakmal Rozumalski,Benjamin J. Hackel,Carston R. Wagner
出处
期刊:Journal of the American Chemical Society [American Chemical Society]
卷期号:141 (1): 251-261 被引量:48
标识
DOI:10.1021/jacs.8b09198
摘要

Nature uses multivalency to govern many biological processes. The development of macromolecular and cellular therapies has largely been dependent on engineering similar polyvalent interactions to enable effective targeting. Such therapeutics typically utilize high-affinity binding domains that have the propensity to recognize both antigen-overexpressing tumors and normal-expressing tissues, leading to “on-target, off-tumor” toxicities. One strategy to improve these agents’ selectivity is to reduce the binding affinity, such that biologically relevant interactions between the therapeutic and target cell will only exist under conditions of high avidity. Preclinical studies have validated this principle of avidity optimization in the context of chimeric antigen receptor (CAR) T cells; however, a rigorous analysis of this approach in the context of soluble multivalent targeting scaffolds has yet to be undertaken. Using a modular protein nanoring capable of displaying ≤8 fibronectin domains with engineered specificity for a model antigen, epithelial cell adhesion molecule (EpCAM), this study demonstrates that binding affinity and ligand valency can be optimized to afford discrimination between EpCAMHigh (2.8–3.8 × 106 antigens/cell) and EpCAMLow (5.2 × 104 to 2.2 × 105 antigens/cell) tissues both in vitro and in vivo.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
2秒前
无所不能的虫虫完成签到,获得积分10
2秒前
顾矜应助柚子加冰采纳,获得10
2秒前
3秒前
科研通AI2S应助太渊采纳,获得10
5秒前
英姑应助flb123采纳,获得10
6秒前
6秒前
6秒前
夏姬宁静发布了新的文献求助10
9秒前
10秒前
11秒前
12秒前
子车茗应助科研通管家采纳,获得10
12秒前
水牛应助科研通管家采纳,获得10
12秒前
天天快乐应助科研通管家采纳,获得10
12秒前
星辰大海应助科研通管家采纳,获得10
12秒前
sdhgd应助科研通管家采纳,获得10
12秒前
故事止于冬至完成签到,获得积分10
14秒前
飞跃完成签到 ,获得积分10
14秒前
茜文完成签到,获得积分10
14秒前
15秒前
@@发布了新的文献求助10
17秒前
凌惠娟完成签到,获得积分10
18秒前
Surge发布了新的文献求助10
19秒前
许半仙发布了新的文献求助10
21秒前
22秒前
23秒前
叶枫寒关注了科研通微信公众号
23秒前
直率的惜寒完成签到,获得积分10
24秒前
24秒前
26秒前
酷波er应助多情翠丝采纳,获得10
27秒前
科研的师弟应助sss采纳,获得10
27秒前
klive关注了科研通微信公众号
27秒前
tho发布了新的文献求助10
28秒前
流子发布了新的文献求助10
29秒前
百无禁忌应助Jemezs采纳,获得10
30秒前
爆米花应助Keylor采纳,获得10
30秒前
xin完成签到,获得积分10
32秒前
高分求助中
Evolution 10000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 600
Distribution Dependent Stochastic Differential Equations 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
A new species of Velataspis (Hemiptera Coccoidea Diaspididae) from tea in Assam 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3157519
求助须知:如何正确求助?哪些是违规求助? 2808909
关于积分的说明 7879293
捐赠科研通 2467387
什么是DOI,文献DOI怎么找? 1313431
科研通“疑难数据库(出版商)”最低求助积分说明 630398
版权声明 601919