在使用开源QSPR工作流的离子交换染色学中预测蛋白质保留

科学领域:

• 生物制药工艺开发 生物制药过程开发
• 计算化学计算化学
• 蛋白质科学 蛋白质科学

背景情况:

• 基于蛋白质的生物制药的高纯度对于安全性至关重要,但过程开发是耗时的.
• 计算方法可以通过预选最佳过程条件来显著减少开发工作.
• 定量结构属性关系 (QSPR) 模型对于预测净化过程中利用的属性是有价值的.

研究的目的:

• 介绍一个新的,开源的Python工具,用于从3D模型中提取蛋白质特征.
• 为了使生物过程优化中的QSPR模型开发能够进行透明的本地计算.
• 展示QSPR用于预测色谱行为和加速工艺设计的应用.

主要方法:

• 开发一个开源的Python工具,通过网格表示来提取蛋白质表面特征.
• 训练使用提取特征的线性回归模型来预测色谱保留时间/体积.
• 使用离子和阴离子交换染色学实验数据验证QSPR模型的验证.

主要成果:

• Python 工具允许对 QSPR 分析的蛋白质特征进行透明的局部提取.
• 经过训练的QSPR模型在预测离子 (R2=0.87) 和阴离子 (R2=0.95) 交换染色谱的保留时间方面取得了很高的准确性.
• 这些模型展示了QSPR在生物工艺开发中的实验查显著减少的潜力.

结论:

• 开发的开源工具促进了QSPR在生物工艺开发中的应用.
• QSPR建模有效预测蛋白质染色学行为,加速净化过程设计.
• 这种方法为优化生物制药制造提供了具有成本效益和广泛适用的解决方案.