加州大学圣地亚哥分校医学院的科学家开发了一种基于人工智能(AI)的策略，用于发现高亲和力抗体药物。

在发表于NatureCommunications的这项研究中，研究人员使用该方法鉴定了一种新抗体，该抗体与主要癌症靶​​点的结合强度是现有抗体药物的17倍。作者说，该管道可以加速发现抗癌和其他疾病(如COVID-19和类风湿性关节炎)的新药。

抗体必须与其靶标紧密结合才能成为一种成功的药物。为了找到这样的抗体，研究人员通常从已知的抗体氨基酸序列开始，然后使用细菌或酵母细胞产生一系列具有该序列变异的新抗体。

然后评估这些突变体结合靶抗原的能力。效果最好的抗体子集随后会进行另一轮突变和评估，这个循环会重复进行，直到出现一组紧密结合的决赛选手。

尽管这个过程漫长而昂贵，但许多由此产生的抗体在临床试验中仍然无效。在这项新研究中，加州大学圣地亚哥分校的科学家们设计了一种最先进的机器学习算法来加速和简化这些工作。

该方法以类似的方式开始，研究人员生成了一个包含大约50万个可能抗体序列的初始库，并筛选它们对特定蛋白质靶标的亲和力。但他们并没有反复重复这个过程，而是将数据集输入贝叶斯神经网络，该网络可以分析信息并使用它来预测其他序列的结合亲和力。

“借助我们的机器学习工具，这些后续轮次的序列突变和选择可以在计算机上而不是在实验室中快速有效地进行，”资深作者、加州大学圣地亚哥分校细胞与分子医学教授WeiWang博士说。医学院。

他们的AI模型的一个特别优势是它能够报告每个预测的确定性。“与许多人工智能方法不同，我们的模型实际上可以告诉我们它对每个预测的信心程度，这有助于我们对抗体进行排序并决定在药物开发中优先考虑哪些抗体，”Wang说。

为了验证管道，项目科学家和该研究的共同第一作者JonathanParkinson博士和RyanHard博士着手设计一种针对程序性死亡配体1(PD-L1)的抗体，这是一种在癌症和癌症中高度表达的蛋白质几种市售抗癌药物的靶点。

使用这种方法，他们发现了一种新型抗体，它与PD-L1的结合比atezolizumab(商品名Tecentriq)好17倍，后者是美国食品和药物管理局批准用于临床的野生型抗体。

研究人员现在正在使用这种方法来鉴定针对其他抗原(例如SARS-CoV-2)的有前途的抗体。他们还在开发额外的AI模型，分析氨基酸序列以获得对临床试验成功至关重要的其他抗体特性，例如稳定性、溶解度和选择性。

“通过结合这些人工智能工具，科学家们可以在计算机上而不是在工作台上进行越来越多的抗体发现工作，这可能会导致发现过程更快、更不容易出错，”Wang说。“这条管道有很多应用，而这些发现实际上只是一个开始。”