

AI技术颠覆传统：Absci打造抗体设计新引擎

iSynBio造物

2024-03-13

导读：基于生成式人工智能的药物开发商表示，这一里程碑可以将发现时间缩短50%以上，并降低治疗成本。

造物引言

这篇文章讲述了，Absci宣布其人工智能（AI）平台成功在计算机上创建和验证了从头抗体，这标志着其发展成为基于蛋白质的药物发现和生物制造的谷歌搜索引擎的雄心达到了一个里程碑。

Absci表示，这一技术可能缩短开发新药所需的时间，降低开发和治疗成本，并提高新药在临床上成功的概率。

该公司利用零样本生成的人工智能方法，设计了与特定靶点结合的抗体，无需使用已知的训练数据。通过湿实验验证，Absci证实了其新的抗体候选物在与多个靶点的结合能力方面的优势。

Absci的创始人和首席执行官表示，该技术可以广泛应用于任何类型的目标，并且将彻底改变患者的治疗方法。Absci的实验室设计了约44万种能够结合HER2的抗体变体，并表征了421种候选粘合剂。

该突破表明生成性人工智能可以成为传统生物药物发现的替代方法，有潜力解锁传统上“不可治愈”的疾病的治疗方法，并提高多种其他疾病的治疗可能性。此外，Exscientia公司也在人工智能用于设计小分子药物的基础上扩展到新型抗体设计，将在这一领域创新努力。

Absci宣布其人工智能（AI）平台已成功在计算机上创建和验证了从头抗体，这标志着Absci发展成为基于蛋白质的药物发现和生物制造的谷歌搜索引擎的雄心达到了一个里程碑。

Absci 创始人兼首席执行官 Sean McClain

Absci断言，这一里程碑可能最终实现药物开发商长期以来的承诺，即能够缩短开发新药所需的时间，从而在新药上市时降低开发治疗方法的成本——该公司表示，这一减少也可能降低患者的治疗成本。

Absci表示，其人工智能设计的抗体可以将药物发现时间缩短50%以上，从6年缩短到18-24个月，同时也提高了它们在临床上成功的概率。

Absci公司利用其零样本生成的人工智能方法取得了这一成果。该方法能够设计与特定靶点结合的抗体，而无需使用已知与这些靶点结合的抗体的训练数据来迫使模型从头开始设计抗体。

值得注意的是，Absci公司表示，其模型生成的抗体设计与现有抗体数据库中的设计不同，在实验室测试中有效果，无需首先进行计算机设计的优化过程。

通过湿实验验证，Absci公司证实了其新的抗体候选物在与人表皮生长因子受体2（HER2）以及其他三个靶点--包括人血管内皮生长因子A（VEGF-A）和Omicron SARS-CoV-2的刺突受体结合结构域（COVID-19）和第三个未公开靶点的结合能力方面的优势。

Absci公司的创始人兼首席执行官Sean McClain在接受GEN Edge采访时表示：“我们的目标不仅仅是证明技术在单一靶点上的适用性，实际上，这项技术可以广泛应用于任何类型的目标。”

Absci高级副总裁兼首席人工智能官Joshua Meier补充道：“这是我们的登月计划。人们告诉我们这是不可能做到的。”。

Meier是一份在bioRxiv上发布的预印本的通讯作者，该预印本详细介绍了Absci公司“通过生成人工智能解锁从头抗体设计”的抗体里程碑。

在这份预印本中，Meier和一个由34名合著者组成的他的团队指出，尽管他们的研究主要关注HCDR3的计算机设计，但完全从头开始的抗体设计需要生成多个抗体CDR区域。

初步进展

他们在预印本中报告称：“通过设计所有三种重链CDR区域（HCDR1、HCDR2和HCDR3）的多步骤生成人工智能方法，我们展示了实现这一目标的初步进展。” “总的来说，这项工作为使用生成人工智能进行完全从头抗体设计铺平了道路，有望彻底改变患者的治疗方法。”

Joshua Meier，Absci 高级副总裁兼首席 AI 官

Meier及其同事补充说，他们未来的工作“将扩大生成设计的范围，使所有CDR和框架区域能够重新设计，从而进一步增加可能的绑定解决方案的多样性。”

Meier和合著者预测，“通过与与疾病作用机制相关的生物靶区精确相互作用，我们可以开发跨多种抗原的表位特异性。

除了在生成建模方面取得进展外，随着DNA合成的时间和成本的不断下降，人工智能生成设计的湿实验室验证的速度和规模将逐渐增加。”

“人工智能设计的抗体的可控性将使人们能够为特定的疾病靶点创建定制的分子，从而获得比传统开发方法更安全、更有效的治疗方法。”

Absci表示，人工智能引擎首次设计新的治疗性抗体是重要的里程碑，通过使用曲妥珠单抗及其靶抗原HER2作为模型系统的生成人工智能方法，从头开始设计重链互补决定区3（HCDR3）。

Meier说：“实际上，我们是在经历了最艰难的CDR之后才出发的。”他指出，在抗体的六个CDR中，CDR3是具有最高序列多样性和高密度副表位残基的区域，也是与抗原结合的关键区域和抗体结构变化的主要区域。

“如果你观察不同的抗体，它是最参与结合的抗体，历史上也是最难用机器学习方法建模的抗体。”

440000种抗体变体

Absci的实验室利用其专有的高通量活性特异性细胞富集（ACE）测定法，从头设计了约44万种能够结合HER2的抗体变体。通过表面等离子体共振（SPR）技术，Absci进一步表征了421种候选粘合剂，并估计在这些设计中大约有4000种粘合剂存在。

该公司的研究人员发现了三种比曲妥珠单抗更紧密结合的粘合剂。曲妥珠单抗是一种以Herceptin® 的名义治疗性抗体，由Roche及其子公司Genentech销售，也有安进、Celltrion、辉瑞、三星Bioepis和Viatris（前身为Mylan）销售的生物仿制药版本。

Absci声称，这一突破表明生成性人工智能可以成为传统生物药物发现的替代方法，有潜力解锁传统上“不可治愈”的疾病的治疗方法，并提高多种其他疾病的治疗可能性。

Absci是应用人工智能设计新型抗体的几家公司之一。

去年11月，英国的Exscientia公司花了十年时间开创了人工智能用于设计小分子药物的先河，将其基于人工智能的平台扩展到新型抗体设计，成为设计精密工程和优化全人类生物制品的第一步。

Exscientia表示，该扩展平台将使他们能够通过生成性人工智能设计开发下一代治疗抗体，并将使新治疗的潜在靶点范围几乎翻一番。

Exscientia的创始人兼首席执行官Andrew Hopkins博士在面对GEN Edge采访时表示，“Exscientiia很高兴听到人工智能正在进行的创新，以及开发抗体新方法的努力。”

他指出，“我们的工作重点是专注于抗体的设计，而不是特定表位的发现，这超越了传统文库筛选的可能性。由于我们不知道计算方法，也不了解这项研究的基线数据，尽管这项工作指出了药物发现在开发中的更广泛的持续演变，我们也无法直接对此发表评论。”

原文连接：

Zero-Shot Moonshot: Absci Uses AI Platform to Create and Validate de novo Antibodies (genengnews.com)

-----

译者/蒜蓉

审核/莫十二

编辑/麦旋风

关注狗头造物，阅读有趣科普

【声明】内容源于网络

iSynBio造物

合成生物学科普&最新合成生物学产学研资讯。

内容 239

粉丝 0

iSynBio造物合成生物学科普&最新合成生物学产学研资讯。

总阅读41

粉丝0

内容239