以蛋白质语言模型为指导的亲和性的生成设计,用于对lentiviral载体的染色学净化
Feibo Wang1, Xiaoyan Dong2, Linling Yu2
1Department of Biological Engineering, School of Synthetic Biology and Biomanufacturing, Tianjin University, Tianjin, 300350, China.
Journal of chromatography. A
|March 15, 2026
概括
人工智能通过亲和染色学识别了用于透视病毒载体净化的配体. 这种新的方法确保了矢量完整性和活动,克服了关键的下游处理挑战.
科学领域:
- 生物技术是生物技术.
- 生物化学 生物化学
- 生物工程是生物工程.
背景情况:
- 病毒载体 (LVs) 对于细胞和基因疗法至关重要,但很脆弱,使净化复杂化.
- 由于对剪切应力,pH和盐度的敏感性,现有的LV净化方法面临着挑战.
研究的目的:
- 开发一种温和和特定的下游处理技术,用于病毒载体净化.
- 建立基于人工智能 (AI) 的策略,用于识别用于LV净化的亲和性联体.
主要方法:
- 使用一种蛋白质语言模型 (ESM3-sm-open-v1) 和in silico选来生成一个库.
- 已识别和验证的亲和性,向囊性口腔炎病毒G糖蛋白 (VSV-G).
- 合成的亲和染色学凝 (Sep4FF‒VP7) 通过将高亲和VSV-G-P7合到Sepharose 4FF.
主要成果:
- 通过分子对接和ELISA识别了八种,其中VSV-G-P7对VSV-G具有最高的亲和力.
- 使用Sep4FF‒VP7染色学证明了LVs的选择性结合和高效化,保持结构完整性和生物活性.
- 在20个循环中实现了稳定的性能,具有一致的LV恢复 (78.2%-79.1%),Vero宿主细胞蛋白质去除 (90.6%-91.7%) 和残留dsDNA去除 (44.7%-47.3%).
结论:
- 基于人工智能的连接体选策略成功地识别了有效的亲和关系连接体.
- 使用人工智能识别的的亲和染色学提供了一种有前途的方法,用于轻度和高效的lentiviral载体净化.
- 这种方法解决了关键的下游处理障碍,支持细胞和基因疗法的进步.
