Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Antibody Structure and Classes01:25

Antibody Structure and Classes

9.6K
Antibodies, also known as immunoglobulins, are produced by B cells in response to foreign substances, such as bacteria and viruses. These proteins are critical for recognizing and neutralizing these substances, protecting the body from potential harm.
The basic structure of an antibody consists of four protein chains: two identical heavy chains and two identical light chains. These chains are held together by disulfide bonds and other non-covalent interactions, forming a Y-shaped structure.
9.6K
Preclinical Development: Overview01:28

Preclinical Development: Overview

6.1K
Preclinical development consists of a series of tests that ensure the safety and efficacy of a new therapeutic compound before it is tested in humans. There are four main phases to this process. First, safety pharmacology tests are conducted to ensure the drug does not produce any acutely harmful effects. These tests examine parameters such as bronchoconstriction, cardiac dysrhythmias, blood pressure changes, and ataxia. Next, preliminary toxicological testing is performed to determine the...
6.1K
Biopharmaceutical Factors Influencing Drug Product Design: Overview01:22

Biopharmaceutical Factors Influencing Drug Product Design: Overview

373
Rational drug product design integrates knowledge of the drug’s physicochemical properties, formulation components, manufacturing techniques, and intended route of administration. Each factor influences the drug’s performance, including how it is released, absorbed, and eliminated in the body.The physicochemical properties of a drug—such as solubility, stability, and particle size—affect its compatibility with excipients and the choice of dosage form. Excipients, though...
373

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Understanding the molecular insights of marketed liposomal drugs using molecular dynamics simulations of reduced scale coarse-grained models.

npj drug discovery·2026
Same author

Machine learning algorithms to predict spray dried protein/peptide formulations.

International journal of pharmaceutics·2026
Same author

Klotho suppresses cyst growth in ADPKD through the regulation of ferroptosis and reversing DNA methylation.

Nephrology, dialysis, transplantation : official publication of the European Dialysis and Transplant Association - European Renal Association·2026
Same author

[Ziyuglycoside II Inhibit the Progression of Non-small Cell Lung Cancer 
through the ITGB4/FAK Signaling Pathway].

Zhongguo fei ai za zhi = Chinese journal of lung cancer·2026
Same author

Lipid droplets-mediated delivery of curcumin for targeted mitochondrial photodynamic therapy.

International journal of pharmaceutics: X·2026
Same author

Oxidative stress mechanisms and potential biomarkers of methyl acetate poisoning: a urinary metabolomics study in rat model and human occupational cohort.

Frontiers in molecular biosciences·2026

Video Experimental Relacionado

Updated: Feb 24, 2026

Author Spotlight: Advancing Biotherapeutic Mass Calculation by Introducing mAbScale, a Python-Based Desktop Application
04:24

Author Spotlight: Advancing Biotherapeutic Mass Calculation by Introducing mAbScale, a Python-Based Desktop Application

Published on: June 16, 2023

2.4K

Marco multimodal para la evaluación de la desarrollabilidad temprana para acelerar el desarrollo de proteínas y

Jiayin Deng1, Qiong Huang2, Jiayi Lv3

  • 1The State Key Laboratory of Mechanism and Quality of Chinese Medicine, Institute of Chinese Medical Sciences, University of Macau, Taipa, Macau 999078, China.

International journal of pharmaceutics
|February 22, 2026
PubMed
Resumen

Un nuevo marco de aprendizaje profundo, FormulationProtein, predice con precisión la capacidad de desarrollo de fármacos de proteínas y anticuerpos. Esta herramienta de IA acelera el proceso de desarrollo de la formulación, reduciendo los costosos experimentos de prueba y error para mejorar la estabilidad y seguridad de los medicamentos.

Palabras clave:
Estabilidad coloidal Estabilidad coloidal.Estabilidad de la conformación.Aprendizaje profundo Aprendizaje profundo.Formulación de proteínas y anticuerpos.Solubilidad La solubilidad.Viscosidad La viscosidad.

Más Videos Relacionados

Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
05:08

Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins

Published on: July 8, 2025

1.2K
A High Throughput MHC II Binding Assay for Quantitative Analysis of Peptide Epitopes
07:59

A High Throughput MHC II Binding Assay for Quantitative Analysis of Peptide Epitopes

Published on: March 25, 2014

15.7K

Videos de Experimentos Relacionados

Last Updated: Feb 24, 2026

Author Spotlight: Advancing Biotherapeutic Mass Calculation by Introducing mAbScale, a Python-Based Desktop Application
04:24

Author Spotlight: Advancing Biotherapeutic Mass Calculation by Introducing mAbScale, a Python-Based Desktop Application

Published on: June 16, 2023

2.4K
Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins
05:08

Application of I TASSER, trRosetta, UCSF Chimera, HADDOCK server, and HEX loria for De Novo and In Silico Design of Proteins

Published on: July 8, 2025

1.2K
A High Throughput MHC II Binding Assay for Quantitative Analysis of Peptide Epitopes
07:59

A High Throughput MHC II Binding Assay for Quantitative Analysis of Peptide Epitopes

Published on: March 25, 2014

15.7K

Área de la Ciencia:

  • Desarrollo biofarmacéutico desarrollo biofarmacéutico.
  • Química computacional es la química computacional.
  • Formulación de las drogas.

Sus antecedentes:

  • Las terapias de proteínas y anticuerpos son vitales en la medicina moderna, pero su éxito clínico depende de la capacidad de desarrollo.
  • El desarrollo de la formulación es actualmente ineficiente y costoso debido a la extensa experimentación de ensayo y error.
  • Predecir la desarrollabilidad requiere comprender las complejas interacciones entre las características de las proteínas y la composición de la formulación.

Objetivo del estudio:

  • Desarrollar un marco de aprendizaje profundo multimodal, FormulationProtein, para la predicción precisa de la capacidad de desarrollo de la formulación de proteínas.
  • Para crear y utilizar cuatro grandes conjuntos de datos que cubren la estabilidad conformacional, la estabilidad coloidal, la viscosidad y la solubilidad.
  • Acelerar el desarrollo de proteínas y anticuerpos en etapa temprana a través de la predicción computacional.

Principales métodos:

  • Construcción de cuatro conjuntos de datos relacionados con la desarrollabilidad que integran información sobre proteínas y excipientes.
  • Desarrollo de una arquitectura de aprendizaje profundo multimodal (FormulationProtein) que incorpore datos de estructura, secuencia y formulación de proteínas.
  • Aplicación de transfer learning y algoritmos convencionales de aprendizaje automático para la representación y predicción de características.

Principales resultados:

  • FormulationProtein logró altas precisiones de predicción: 0.925 para la estabilidad conformacional, 0.858 para la estabilidad coloidal, 0.917 para la viscosidad y 0.742 para la solubilidad.
  • El marco capturó con éxito la compleja interacción entre los atributos de las proteínas y los componentes de la formulación.
  • La validación experimental confirmó las capacidades predictivas del marco en múltiples proteínas y formulaciones.

Conclusiones:

  • FormulationProtein ofrece un enfoque computacional integral para la evaluación de la capacidad de desarrollo en etapas tempranas.
  • Este marco impulsado por la IA acelera significativamente el desarrollo de fármacos de proteínas y anticuerpos.
  • El estudio demuestra el potencial del aprendizaje profundo para optimizar la formulación biofarmacéutica.