Este artigo é um Preprint
Preprints são relatos preliminares de pesquisa que não foram certificados pela revisão por pares. Eles não devem ser considerados para orientar a prática clínica ou comportamentos relacionados à saúde e não devem ser publicados na mídia como informação estabelecida.
Preprints publicados online permitem que os autores recebam feedback rápido, e toda a comunidade científica pode avaliar o trabalho independentemente e responder adequadamente. Estes comentários são publicados juntamente com os preprints para qualquer pessoa ler e servir como uma avaliação pós-publicação.
Previously unrecognized non-reproducible antibody-antigen interactions and their implications for diagnosis of viral infections including COVID-19
Preprint
em En
| PREPRINT-BIORXIV
| ID: ppbiorxiv-453011
ABSTRACT
Antibody-antigen (Ab-Ag) interactions are canonically described by a model which exclusively accommodates non-interaction (0) or reproducible-interaction (RI) states, yet this model is inadequate to explain often-encountered non-reproducible signals. Here, by monitoring diverse experimental systems and confirmed COVID-19 clinical sera using a peptide microarray, we observed that non-specific interactions (NSI) comprise a substantial proportion of non-reproducible antibody-based results. This enabled our discovery and capacity to reliably identify non-reproducible Ab-Ag interactions (NRI), as well as our development of a powerful explanatory model ("0-RI-NRI-Hook four-state model") that is [mAb]-dependent, regardless of specificity, which ultimately shows that both NSI and NRI are not predictable yet certain-to-happen. In experiments using seven FDA-approved mAb drugs, we demonstrated the use of NSI counts in predicting epitope type. Beyond challenging the centrality of Ab-Ag interaction specificity data in serology and immunology, our discoveries also facilitated the rapid development of a serological test with uniquely informative COVID-19 diagnosis performance.
cc_no
Texto completo:
1
Coleções:
09-preprints
Base de dados:
PREPRINT-BIORXIV
Tipo de estudo:
Diagnostic_studies
/
Prognostic_studies
Idioma:
En
Ano de publicação:
2021
Tipo de documento:
Preprint