治疗性蛋白质的等级聚类基于激发诱导的聚合倾向及其与物理化学参数的关系
Rio Okada1, Kosei Shibata2, Risa Shibuya1
1Department of Biotechnology, Graduate School of Engineering, Osaka University, 2-1 Yamadaoka, Suita 565-0871, Japan.
概括
配方优化可以最大限度地减少治疗性蛋白质聚合. 对配方变化不敏感的蛋白质 (A组) 提供配方自由,而敏感的蛋白质 (B组) 需要仔细评估稳定性. 振动恢复预测长期稳定性.
科学领域:
- 生物制药开发 生物制药开发
- 蛋白质化学 蛋白质化学
- 配方科学科学 配方科学
背景情况:
- 像激动这样的身体压力可以诱导治疗性蛋白质聚合,影响免疫反应并复杂化药物开发.
- 蛋白质聚合是生物制药配方的关键挑战,需要制定战略来确保药物的有效性和安全性.
- 优化配方是最大限度地减少聚合和改善治疗蛋白质稳定性的关键.
研究的目的:
- 为了研究配方变量 (pH,盐度) 对在动下治疗蛋白质的聚合倾向的影响.
- 根据蛋白质对配方变化的敏感性对蛋白质进行分类,并确定影响聚合的因素.
- 开发一个高效的配方优化策略治疗性蛋白质使用激发诱导聚合数据.
主要方法:
- 准备了10种治疗性蛋白质和12种配方 (pH和盐的不同) 的120种组合.
- 通过测量使用尺寸排除色谱的单体回收来评估激发诱导的聚合.
- 通过聚合倾向和B组蛋白质的多重回归分析对蛋白质进行分组.
主要成果:
- 蛋白质被分为两组:A组 (聚合不敏感) 和B组 (聚合敏感) 基于配方变化.
- 组A的蛋白质表现出稳定的构造性,体性和界面性,具有稳定性之间的补偿机制.
- 对于B组蛋白质,形状稳定性的变化显著影响了聚合灵敏度;振动恢复与静止存储稳定性相关.
结论:
- 基于激发诱导的单体恢复的配方优化策略可以加速治疗性蛋白质的开发.
- 组A中的蛋白质提供了更大的配方灵活性,而组B的蛋白质需要仔细优化结构稳定性.
- 刺激诱导的聚合评估可以预测长期的蛋白质稳定性,这可能减少了广泛的静态储存测试的需要.
相关概念视频
Protein Networks
3.9K
An organism can have thousands of different proteins, and these proteins must cooperate to ensure the health of an organism. Proteins bind to other proteins and form complexes to carry out their functions. Many proteins interact with multiple other proteins creating a complex network of protein interactions.
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
These interactions can be represented through maps depicting protein-protein interaction networks, represented as nodes and edges. Nodes are circles that are representative of a protein,...
3.9K
Protein Folding
117.0K
Overview
117.0K


