RESP2:对抗体发现的不确定性意识多目标多属性优化人工智能管道
Jonathan Parkinson1,2, Ryan Hard1, Young Su Ko1
1Department of Chemistry and Biochemistry, University of California San Diego, La Jolla, CA, 92093-0359, USA.
Advanced science (Weinheim, Baden-Wurttemberg, Germany)
|September 5, 2025
概括
我们开发了RESP2,一个用于发现治疗抗体的新计算管道. 它能够有效地发现与多个向变体强度相结合的抗体,其性能优于当前的AI方法.
科学领域:
- 计算生物学
- 免疫学
- 蛋白质工程
背景情况:
- 由于病原体的突变,治疗传染病的抗体发现面临挑战.
- 抗体需要对多个抗原变体具有很高的亲和力和最佳的发育性质.
研究的目的:
- 推出RESP2,一个用于发现治疗抗体的增强计算管道.
- 为了同时优化抗体结合亲和力和对不断变化的标的开发能力.
主要方法:
- 在RESP2管道使用Absolut! 抗体-抗原对接数据库.
- 使用COVID-19尖端蛋白受体结合域 (RBD) 和其变体的案例研究.
主要成果:
- 与训练数据相比,RESP2发现的抗体序列与向抗原组的结合亲和度显著高 (≥85%的成功率).
- RESP2的表现优于流行的生成人工智能技术,成功率为≤1.5%.
- 发现了一种新型人类抗体,与至少8种COVID-19 RBD变种结合.
结论:
- RESP2管道为发现针对快速演变的传染病目标的抗体提供了强大的优势.
- RESP2促进了广泛的保护性治疗抗体的产生.
- 为RESP2提供一个公开的Python包,用于更广泛的研究.


