基于ProtT5和随机森林的粘度预测方法用于治疗mAbs.
1Production and R&D Center I of LSS (Life Science Service), GenScript Biotech Corporation, No. 28, Yongxi Rd., Nanjing, 211110, Jiangsu, China.
概括
在发育早期预测治疗性抗体粘度对于高度配方至关重要. 使用ProtT5和随机森林的一种新的基于序列的方法可以准确预测抗体粘度,有助于药物开发.
科学领域:
- 生物技术是生物技术.
- 蛋白质工程是指蛋白质工程.
- 计算生物学 计算生物学
背景情况:
- 治疗性抗体粘度对于皮下输送至关重要,影响配方度和体积.
- 需要准确的早期粘度预测,以简化高度抗体配方的开发.
研究的目的:
- 开发和验证一种基于序列的计算方法,用于预测单克隆抗体粘度.
- 为了促进抗体候选人的高通量选,以获得最佳的粘度特性.
主要方法:
- 使用ProtT5预训练模型从抗体V区域序列中提取特征.
- 通过内核主要组件分析 (Kernel-PCA) 来减少特征的维度.
- 在40个商业治疗抗体上训练的随机森林 (RF) 回归模型的开发.
主要成果:
- 射频模型在预测粘度值方面取得了很高的准确性 (皮尔森相关系数=0.928).
- 该分类模型在高 (>30 cP) 和低 (<30 cP) 粘度方面表现出色 (精度=0.975,AUC=1.000).
- 拟议的方法优于现有的五种先进的粘度预测技术.
结论:
- 基于ProtT5和RF的方法提供了一种可靠和高效的方法,用于从序列数据中预测抗体粘度.
- 这种预测工具可以显著加速开发先进的治疗抗体配方.
更多相关视频
04:24Author Spotlight: Advancing Biotherapeutic Mass Calculation by Introducing mAbScale, a Python-Based Desktop Application
Published on: June 16, 2023
1.5K
10:50Purification and Analytics of a Monoclonal Antibody from Chinese Hamster Ovary Cells Using an Automated Microbioreactor System
Published on: May 1, 2019
14.7K
