加州大学圣地亚哥分校医学院最新研究：人工智能有助于发现超紧密结合抗体

加州大学圣地亚哥分校医学院的科学家们开发了一种基于人工智能（AI）的策略来发现高亲和力抗体药物。

在2023年1月28日在Nature Communications上发表的这项研究中，研究人员使用这种方法来鉴定一种新的抗体，该抗体结合的主要癌症靶标比现有的抗体药物紧密17倍。作者说，该管道可以加速发现抗癌和其他疾病的新药，如COVID-19和类风湿性关节炎。

为了成为成功的药物，抗体必须与其靶标紧密结合。为了找到这样的抗体，研究人员通常从已知的抗体氨基酸序列开始，并使用细菌或酵母细胞产生一系列具有该序列变异的新抗体。然后评估这些突变体结合靶抗原的能力。然后对最有效的抗体子集进行另一轮突变和评估，并且该循环重复，直到出现一组紧密结合的最终确定者。

尽管这个漫长而昂贵的过程，许多由此产生的抗体仍然不能在临床试验中有效。在新的研究中，加州大学圣地亚哥分校的科学家设计了一种最先进的机器学习算法来加速和简化这些工作。

该方法类似地开始，研究人员生成约50万个可能的抗体序列的初始文库并筛选它们对特定蛋白质靶标的亲和力。但是，他们不是一次又一次地重复这个过程，而是将数据集输入贝叶斯神经网络，贝叶斯神经网络可以分析信息并用它来预测其他序列的结合亲和力。

加州大学圣地亚哥分校细胞与分子医学教授王伟博士说：“利用我们的机器学习工具，这些后续轮次的序列突变和选择可以在计算机上而不是在实验室中快速有效地进行。”。

他们的AI模型的一个特殊优势是能够报告每个预测的确定性。王说：“与许多人工智能方法不同，我们的模型实际上可以告诉我们它在每个预测中的自信程度，这有助于我们对抗体进行排名并决定在药物开发中优先考虑哪些抗体。

为了验证该研究的流程，项目科学家和该研究的共同第一作者Jonathan Parkinson博士和Ryan Hard博士着手设计针对程序性死亡配体1（PD-L1）的抗体，PD-L1是一种在癌症中高度表达的蛋白质。和几种市售抗癌药物的目标。使用这种方法，他们发现了一种新的抗体，其结合PD-L1的能力比美国食品和药物管理局批准用于临床的野生型抗体atezolizumab（商品名Tecentriq）好17倍。

研究人员现在正在使用这种方法来鉴定针对其他抗原的有希望的抗体，例如SARS-CoV-2。他们还在开发其他AI模型，分析氨基酸序列对临床试验成功至关重要的其他抗体特性，如稳定性，溶解度和选择性。

王说：“通过结合这些人工智能工具，科学家们可能能够在计算机上而不是在工作台上进行越来越多的抗体发现工作，这可能会导致更快，更不容易发生故障的发现过程。”。“这个管道有很多应用程序，这些发现才刚刚开始。”
 

参考资料：《Artificial intelligence aids discovery of super tight-binding antibodies》

本文来自Science Daily。仅供读者参考，著作权、版权归属原创者所有。转载此文是出于传递更多正能量信息之目的，侵权删