使用基于蛋白质语言的机器学习模型预测腺相关病毒的适应性
Jason Wu1, Yu Qiu2, Eugenia Lyashenko1
1Genomic Medicine Unit, Sanofi, Waltham, Massachusetts, USA.
Human gene therapy
|April 17, 2025
概括
开发先进的机器学习模型可以预测腺相关病毒 (AAV) 囊体适应性. 这项创新旨在降低基因疗法制造成本,使治疗更容易获得.
科学领域:
- 生物技术是生物技术.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 基于腺相关病毒 (AAV) 的基因疗法为各种疾病提供了一次性治疗潜力.
- 高昂的制造成本是AAV疗法的广泛采用的一个重要障碍.
- 改善AAV囊酸产量或健康状况对于降低基因治疗成本至关重要.
研究的目的:
- 开发一种机器学习 (ML) 模型,用于预测Adeno相关病毒2型 (AAV2) 体突变的适应性.
- 优化工程AAV的可制造性,解决当前基因疗法开发中的差距.
- 创建一个计算工具,可以加速开发具有成本效益的基因疗法.
主要方法:
- 采用混合机器学习方法,将蛋白质语言模型 (PLM) 与经典ML技术相结合.
- 该模型根据囊单体的氨基酸序列预测了AAV2囊适应性.
- 使用独立数据集评估模型性能,包括多变异的AAV虫.
主要成果:
- 开发的ML模型实现了状体适应性的高预测准确度,Pearson相关性为0.818.8.
- 该模型证明了独立数据集的稳定性和通用性,包括复杂的多突变虫.
- ML模型可以作为耗时的体外实验的有效替代品.
结论:
- 一个新的ML模型从氨基酸序列准确地预测了AAV2囊体适应性.
- 这种计算方法可以显著减少AAV体工程所需的时间和资源.
- 该模型有可能提高临床AAV囊体的适应性,从而提高基因疗法的经济可行性.
