一个利用蛋白质语言模型的抗体开发能力分类管道
James Sweet-Jones1, Andrew C R Martin1
1Institute of Structural and Molecular Biology, Division of Biosciences, University College London, London, UK.
mAbs
|March 5, 2025
概括
这项研究引入了一种机器学习管道,以识别具有有利可开发性特征的治疗单克隆抗体 (mAbs). 该方法使用蛋白质语言模型在发育早期选择有前途的抗体候选者,降低成本并提高成功率.
科学领域:
- 生物技术是生物技术.
- 免疫学 免疫学 免疫学
- 计算生物学 计算生物学
背景情况:
- 治疗性单克隆抗体 (mAbs) 是一种关键的生物药物类别.
- 虽然结合亲和力至关重要,但抗体序列和结构显著影响开发能力和临床成功.
- 由于开发能力不佳而导致的晚期故障是常见的和昂贵的.
研究的目的:
- 从大型图书馆中开发可开发抗体候选人的计算管道.
- 利用机器学习和蛋白质语言模型进行早期抗体查.
- 为了降低治疗抗体开发的成本和提高效率.
主要方法:
- 利用配对的人类抗体序列数据.
- 开发了一种机器学习管道,使用蛋白质语言模型.
- 基于与已知临床成功的抗体相似性的聚类抗体序列.
主要成果:
- 根据序列特征确定了一种预测抗体开发能力的方法.
- 该管道成功识别了可能具有有利发育能力特征的抗体.
- 演示了早期选具有较差发育潜力的抗体的策略.
结论:
- 拟议的管道是选择治疗单克隆抗体候选者的宝贵工具.
- 这种方法可以显著降低与抗体发现相关的成本和时间.
- 通过改善早期候选人选择,促进寻求新疗法.


