在抗体 - 药物联合开发中利用人工智能:从标识到瘤学的临床翻译

科学领域:

• 在瘤学瘤学.
• 计算生物学 计算生物学
• 药物开发 药物开发

背景情况:

• 抗体-药物合物 (ADC) 是癌症治疗中一类有前途的精密疗法.
• 对ADCs的开发管道复杂,涉及从目标识别到临床应用的多个阶段.
• 整合人工智能 (AI) 为克服挑战和加速ADC开发提供了新的方法.

研究的目的:

• 提供一个全面的审查,AI是如何改变ADC开发管道的每个阶段.
• 突出特定的人工智能方法及其在ADC研发中的应用.
• 确定战略优先事项,以推进人工智能在实现ADC疗法的全部潜力方面的作用.

主要方法:

• 在ADC管道中审查当前的AI应用,包括目标发现,抗体工程,链接器有效载荷设计,ADMET建模和临床开发.
• 讨论人工智能技术,如多omics集成,基于图形的学习,结构预测,生成模型,深度学习和基于变压器的框架.
• 分析AI在患者分层,反应预测和临床试验模拟方面的作用.

主要成果:

• 人工智能通过多omics集成优先考虑瘤选择性抗原,显著提高了目标发现.
• 人工智能简化了抗体工程和链接器有效载荷设计,优化了效力,稳定性和免疫性.
• 人工智能提高了ADMET预测的准确性,并提供了机械洞察力,同时通过先进的建模和数据集成促进了个性化的临床开发.

结论:

• 人工智能是一个强大的工具,可以在瘤学中实现基于ADC的合理,可扩展和个性化的治疗.
• 为了最大限度地提高人工智能的影响,关键的优先事项包括开发精选的数据集,可解释的模型和闭环实验平台.
• 人工智能的战略实施对于通过新型ADC开发来推进精准医学至关重要.