将QSAR模型与高吞吐量选集成,以加快抛光染色学单元运行的发展

科学领域:

• 生物技术是生物技术.
• 化学工程是化学工程的重要组成部分.
• 计算化学计算化学

背景情况:

• 强大的抛光色谱对于生物工艺开发至关重要,但耗时且资源密集.
• 越来越多的蛋白质疗法需要超越平台方法的新净化策略.
• 高通量选 (HTS) 有助于染色设计空间探索,但面临着紧张的时间表和材料稀缺等局限性.

研究的目的:

• 开发一种预测性的定量结构活性关系 (QSAR) 模型,用于染色体学中的蛋白质分割.
• 通过使用历史数据快速探索和优先考虑过程设计空间来增强HTS.
• 通过减少对广泛实验查的需求,加速生物治疗过程的开发.

主要方法:

• 在大型内部HTS数据集 (>8000个数据点) 上训练的QSAR模型的开发.
• 在训练数据中包含各种治疗蛋白 (29) 和染色学树脂 (44).
• 基于移动相描述符,树脂参数和蛋白质生物物理性质的蛋白质分区编码.

主要成果:

• 回归模型实现了0.92.9的R2.
• 该模型显示了95%的分类准确度,用于预测化条件.
• 该模型显示了93%的分类准确度,用于预测强大的约束条件.

结论:

• 开发的QSAR模型准确地预测了染色学过程中的蛋白质分割.
• 使用这种模型进行选可以作为HTS工作流程的初步步骤.
• 这种方法显著减少了设计空间,并加速了生物治疗药物的净化过程的开发.