Der Artikel “Antigen Recognition durch Einzelketten-Antikörper: Strukturelle Spielräume und Einschränkungen” von Henry & MacKenzie aus dem Jahr 2018 diskutiert die Strukturvariabilität bei der Antigenerkennung durch Einzelketten-Antikörper. Weitere Studien, wie die von Wesolowski et al. (2009) und Gould & Bal (2013), beleuchten die vielversprechenden Anwendungen von Einzelketten-Antikörpern in der Infektion und Immunität sowie bei der Überwindung von antimikrobieller Resistenz. Diese Einzelketten-Antikörper, die ursprünglich von Kamelen stammen (Nguyen et al., 2000), bieten eine breite Palette von Bindungsfähigkeiten und Strukturvariationen, die durch gezielte Mutagenese (Kiguchi et al., 2021) weiter verbessert werden können.
Untersuchungen zur thermischen Stabilität und Faltbarkeit von Einzelketten-Antikörpern werden in Studien wie der von McConnell et al. (2014) und Liu et al. (2014) durchgeführt. Bemerkenswerte Fortschritte in der Vorhersage der Proteinthermostabilität werden durch computergestützte Ansätze wie DeepSTABp (Jung et al., 2023) und DeepTM (Li et al., 2023) ermöglicht. Des Weiteren werden innovative Ansätze wie die Verwendung von neuronalen Netzwerken für die Vorhersage der Proteinstabilität (Haselbeck et al., 2023) und die Entwicklung von neuen Thermostabilitätsdatenbanken für Nanobodies (Valdés-Tresanco et al., 2023) diskutiert.
Im Bereich der Proteinstrukturvorhersage haben Deep-Learning-Modelle wie AlphaFold (Jumper et al., 2021) erhebliche Fortschritte erzielt. Für die Strukturvorhersage von Nanobodies und Antikörper-Antigen-Komplexen spielen diese Modelle eine wichtige Rolle, wie in Untersuchungen von Yin & Pierce (2024) und Saerens et al. (2008) gezeigt wurde. Darüber hinaus können Proteinstrukturvorhersagen und die Stabilitätsanalyse von Nanobodies wichtige Einblicke in die Entwicklung neuer Therapeutika und Diagnostika liefern.
Insgesamt zeigen die dargestellten Forschungsergebnisse, dass Einzelketten-Antikörper aufgrund ihrer Strukturvariabilität, Bindungseigenschaften und therapeutischen Potenziale vielversprechende Werkzeuge in verschiedenen Anwendungsbereichen sind. Die Kombination von experimentellen Studien und computergestützten Ansätzen trägt dazu bei, das Verständnis der Struktur-Funktions-Beziehung von Nanobodies zu vertiefen und ihre zukünftige Anwendung in Diagnostik und Therapie weiter voranzutreiben.