人工智能辅助的蛋白质设计可以快速将抗体序列转化为针对各种和基因素修饰的体内序列
Gabriel Galindo1, Daiki Maejima2, Jacob DeRoo3
1Department of Biochemistry and Molecular Biology, Colorado State University, Fort Collins, CO, USA.
bioRxiv : the preprint server for biology
|February 20, 2025
概括
我们开发了一种人工智能管道,用于创建功能性细胞内抗体 (细胞内的抗体),用于研究和诊断. 这种方法显著提高了设计这些复杂的生物工具的成功率.
科学领域:
- 生物技术是生物技术.
- 分子生物学分子生物学
- 免疫学 免疫学 免疫学
背景情况:
- 内体是为细胞内应用而设计的抗体,但它们的发展在细胞内折叠,溶解性和稳定性方面面临挑战.
- 现有的体内发育方法的成功率有限,阻碍了它们在研究和治疗中的更广泛应用.
研究的目的:
- 开发人工智能驱动的管道,以优化抗体框架区域,以增强细胞内功能.
- 提高工程功能单链变量片段 (scFv) 在体内的成功率.
主要方法:
- 整合AI工具AlphaFold2和ProteinMPNN,以优化抗体框架.
- 利用活细胞查来验证工程化体内的功能.
- 保留了负责表位结合的互补性决定区域 (CDR).
主要成果:
- 使用AI管道成功将26个抗体序列中的19个转换为功能性scFv体内.
- 针对实时染色体动态成像的多种组素修饰的工程化体内成像.
- 与标准方法相比,成功率明显更高,之前19个序列中有18个序列失败.
结论:
- 由人工智能驱动的管道有效地克服了体内发育的挑战,增强了折叠性,溶解性和稳定性.
- 这种方法加速了体内的设计和开发,使它们更容易用于生物研究和潜在的治疗应用.
- 该方法有望扩大体内实体在诸如细胞过程和基因调节的实时成像等领域的实用性.
