一个代策略来设计4-1BB激进分子纳米体 de novo与生成AI模型

科学领域:

• 免疫学 免疫学 免疫学
• 生物技术是生物技术.
• 计算生物学 计算生物学

背景情况:

• 4-1BB受体是癌症免疫治疗中的关键标.
• 瘤坏死因子受体 (TNFR) 家族成员在免疫反应中起着重要作用.
• 开发针对癌症的向疗法是一个正在进行的研究领域.

研究的目的:

• 开发一种用于设计针对4-1BB受体的VHH域抗体的新in silico管道.
• 利用基于知识的氨基酸分布来优化抗体互补性决定区域 (CDR) 序列.
• 通过计算精制纳米体结合性质,并评估它们在癌症免疫治疗中的潜力.

主要方法:

• 利用计算管道对VHH域抗体进行de novo设计.
• 采用基于知识的氨基酸分布来优化CDR序列.
• 通过计算建模逐步完善纳米体结合性质.
• 组装和测序排名最高的de novo抗体序列.

主要成果:

• 产生的 de novo VHH 抗体设计具有与参考纳米体相比或超过的结合得分.
• 在80个排名最高的序列中,成功组装了65个,其中35个通过测序验证.
• 在初始的体外查中没有发现高亲和度的结合剂.
• 获得了关于设计参数与遗传组装成功之间的关系的见解.

结论:

• 开发的in silico管道显示了设计治疗抗体的潜力.
• 需要进一步改进,特别是优化抗体开发的深度学习模型.
• 该研究为推进癌症免疫治疗的计算抗体设计提供了关键的见解.
• 这项工作有助于利用计算设计用于高精度的治疗抗体发现.