综合抗体语言模型加速IgG查和广泛抗病毒疗法的设计
Hannah F Almubarak1,2, Wuwei Tan3, Andrew D Hoffmann1
1Department of Pharmacology, Northwestern University Feinberg School of Medicine, Chicago, IL 60611, USA.
iScience
|October 23, 2025
概括
我们开发了AbGen,一个使用抗体语言模型 (AbLM) 的AI管道,以快速选和重新设计抗体. AbGen有效地识别了针对像Omicron这样的病毒变体的强有力的抗体,这对治疗开发至关重要.
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:
- 开发广泛的抗体来对抗快速突变的病毒是很困难的.
- 现有的抗体发现方法缓慢,并且与病毒变异作斗争.
研究的目的:
- 为加速抗体查和重新设计创建一个人工智能驱动的管道 (AbGen).
- 为了提高对抗体中和活性对病毒变异的预测.
主要方法:
- 开发了AbGen,一种利用抗体语言模型 (AbLM) 的抗体生成管道.
- 在蛋白质序列上进行了预训练,并在对抗体序列 (VH-VL) 上进行了微调调.
- 结合抗原-抗体对接 (野生类型) 和高斯过程回归 (Kriging,变体) 用于活动预测.
主要成果:
- 从康复患者中选了1300多个IgG序列,优先考虑有效的候选人.
- AbGen成功地发现了抗体,防止了SARS-CoV-2的感染体外和体内对野生型,Delta和Omicron变体.
- 与其他语言模型相比,AbLM在预测对病毒突变敏感性较低的抗体方面表现优异.
结论:
- AbGen显著加速了抗体的发现和对治疗应用的重新设计.
- 人工智能语言模型,Kriging和对接的整合在抗体开发中推进了人工智能.
- 这种方法对于开发针对SARS-CoV-2等不断发展的病毒威胁的治疗方法至关重要.
