分子表面描述器用于预测抗体开发能力:对参数的敏感性,结构模型和 conformational 采样

科学领域:

• 生物化学和生物物理学
• 计算化学的计算化学
• 药物发现 药物发现 药物发现

背景情况:

• *对抗体开发能力的in silico评估对于有效的领先候选人选择至关重要.
• * 预测准确性依赖于分子描述符,模型参数,结构准确性和 conformational 采样.
• *目前的方法在可重现性和预测能力方面面临挑战.

研究的目的:

• * 开发和验证用于预测抗体开发能力的新型分子表面描述剂.
• * 评估方法选择对描述符性能的影响.
• * 提出和评估in silico可开发性风险标志.

主要方法:

• * 针对抗体开发能力的特定分子表面描述物的设计.
• * 基准测试描述器与实验生物物理性质 (粘度,聚合等) 的相关性. ) 的情况.
• * 对方法变化的敏感性进行调查 (介电常数,疏水性尺度,结构预测,构造性采样).

主要成果:

• * 基于结构预测方法观察到的表面描述物的系统变化.
• *对分子动力学模拟的平均值减轻了变化,并改善了跨方法的一致性.
• *与生物物理数据的相关性有不一致的改善,尽管一致性提高.

结论:

• * 根据基准分析提出了六个in silico可开发性风险标志.
• * 评估了这些标志在预测可开发性问题的有效性.
• *强调了构造性采样和方法选择对于可靠的in silico可开发性评估的重要性.