RESP2:抗体発見のための不確実性認識のマルチターゲットマルチプロパティ最適化AIパイプライン
Jonathan Parkinson1,2, Ryan Hard1, Young Su Ko1
1Department of Chemistry and Biochemistry, University of California San Diego, La Jolla, CA, 92093-0359, USA.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 5, 2025
まとめ
私たちはRESP2を開発しました 治療用抗体を発見するための 新しい計算パイプラインです 複数のターゲット変種に強く結合する抗体を効率的に発見し,現在のAI方法を上回ります.
科学分野:
- 計算生物学
- 免疫学
- タンパク質工学
背景:
- 感染症に対する治療用抗体の発見は,病原体の変異による課題に直面しています.
- 抗体は,複数の抗原変異体に対する高い親和感と,最適の開発性特性を要求する.
研究 の 目的:
- RESP2を導入し,治療用抗体を発見するための強化された計算パイプラインを導入します.
- 進化する標的に対する抗体結合親和性と開発可能性の同時最適化を可能にする.
主な方法:
- RESP2パイプラインのインシリコ評価は,Absolut! 抗体対抗体のドッキングデータベース
- COVID-19 スパイクタンパク質受容体結合領域 (RBD) とその変種を用いたケーススタディ.
主要な成果:
- RESP2は,トレーニングデータと比較して,標的抗原群への結合親和性が著しく高い抗体配列を特定した (≥85%の成功率).
- RESP2は一般的な生成AI技術を上回り,成功率 ≤1.5%を達成しました.
- 少なくとも8種類のCOVID-19 RBD型に結合する中高 afinityを持つ新しいヒト抗体が発見されました.
結論:
- RESP2パイプラインは,急速に進化する感染症の標的に対する抗体発見に強力な利点を提供します.
- RESP2は,広範囲にわたる保護的な治療抗体の形成を促進します.
- RESP2の公開されているPythonパッケージは,より広範な研究用途のために提供されています.
