-
大分子藥物的親和力改造仍面臨諸多困難
-
“所要即所得”的親和力改造:在保持關鍵性質的同時達到所需的親和力——基于AI驅動的工作流程得以實現
-
專有的AI模型,可以搜索1025的超大突變空間
高度準確的親和性和可開發性預測算法
高通量合成和測試系統,可提供快速反饋
-
獲得任何想要的親和力——較母本分子高或低
維持/優化可開發性/免疫原性
時間周期短
-
-
案例 1提高無法展示的蛋白的親和力
目標:對無法兼容展示系統的模塊蛋白進行親和力成熟
得到2個突變體,包含3-4個點突變,親和力均提高了13倍
對60個突變體進行2輪設計-合成-測試,獲得9個親和力提高>3倍的突變體
-
案例 2 先導抗體的雙向親和力調整
目標:分別提高和降低先導抗體的親和力,為雙特異性抗體開發提供更多選擇
我們的AI模型生成了3組突變體,其預測親和力相比野生型:
1) 顯著提高(目標:10倍)
2) 稍微提高(目標:3倍)
3) 稍微降低(目標:降低3倍)
表達和測試時,這些突變體顯示出與其目標范圍相吻合的親和力(如右圖所示)
對96個突變體進行了1輪設計-合成-測試,獲得一組高度優化的先導分子,其KD跨度為3個數量級,具有優良的可開發性