机器学习引导的定向进化为AAV卡普西德工程

科学领域:

• 生物技术是生物技术.
• 基因治疗 基因治疗
• 生物信息学是一种生物信息学.

背景情况:

• 腺相关病毒 (AAV) 是基因疗法的关键载体,具有广泛的宿主范围,长期表达和低致病性.
• 目前的AAV载体面临的局限性包括免疫性和不充分的向性,阻碍了它们的治疗疗效.
• 设计或修改AAV囊是一种增强基因传递的有希望的策略,但由于复杂的囊生物学和查局限性而受到挑战.

研究的目的:

• 审查传统和人工智能驱动的基关联病毒 (AAV) 囊体设计方法.
• 突出机器学习 (ML) 在优化AAV囊体属性的应用,以改善基因疗法.
• 总结在AAV矢量开发中使用ML的优点和挑战.

主要方法:

• 已建立的AAV体设计技术的概述.
• 解释构建序列函数机器学习 (ML) 模型的一般工作流程.
• 在整个AAV体开发管道中讨论ML应用.

主要成果:

• 机器学习 (ML) 为加速和完善AAV囊优化提供了显著的潜力.
• 人工智能驱动的方法可以减少基因疗法载体的开发时间和制造成本.
• 与传统方法相比,ML促进了数据驱动和高效的设计过程.

结论:

• 人工智能,特别是ML,为克服AAV载体限制和推进基因治疗提供了一个强大的工具包.
• 将ML集成到AAV体设计工作流程中,有望提供更有效和更具成本效益的基因传递解决方案.
• 进一步开发和应用ML对于实现基于AAV的基因疗法的全部潜力至关重要.