인공 지능은 초강력 결합 항체 발견을 돕습니다. 과학자들은 새로운 항체 약물 개발을 가속화할 수 있습니다. 

[아름이]

인공 지능은 초강력 결합 항체 발견을 돕습니다.
과학자들은 새로운 항체 약물 개발을 가속화할 수 있습니다.
날짜:
2023년 1월 30일
원천:
캘리포니아 대학교 - 샌디에이고
요약:
과학자들은 새로운 고친화성 항체 약물 개발을 가속화할 수 있는 인공 지능 도구를 개발했습니다.

캘리포니아 대학교 샌디에이고 의과대학의 과학자들은 고친화성 항체 약물을 발견하기 위한 인공 지능(AI) 기반 전략을 개발했습니다.

2023년 1월 28일 Nature Communications 에 발표된 연구에서 연구원들은 기존 항체 약물보다 17배 더 긴밀하게 주요 암 표적에 결합하는 새로운 항체를 식별하기 위해 접근 방식을 사용했습니다. 저자들은 파이프라인이 암과 COVID-19 및 류마티스 관절염과 같은 다른 질병에 대한 새로운 약물 발견을 가속화할 수 있다고 말합니다.

성공적인 약물이 되려면 항체가 표적에 단단히 결합해야 합니다. 그러한 항체를 찾기 위해 연구자들은 일반적으로 알려진 항체 아미노산 서열로 시작하고 박테리아 또는 효모 세포를 사용하여 해당 서열의 변형을 가진 일련의 새로운 항체를 생산합니다. 그런 다음 이러한 돌연변이는 표적 항원에 결합하는 능력에 대해 평가됩니다. 그런 다음 가장 잘 작동하는 항체의 하위 집합은 또 다른 돌연변이 및 평가를 거치게 되며, 이 주기는 긴밀하게 결합된 일련의 최종 후보가 나타날 때까지 반복됩니다.

이 길고 비용이 많이 드는 과정에도 불구하고 많은 항체가 여전히 임상 시험에서 효과적이지 않습니다. 새로운 연구에서 UC San Diego 과학자들은 이러한 노력을 가속화하고 능률화하기 위해 최첨단 기계 학습 알고리즘을 설계했습니다.

이 접근 방식은 연구자들이 약 50만 개의 가능한 항체 서열의 초기 라이브러리를 생성하고 특정 단백질 표적에 대한 친화도를 스크리닝하는 것으로 유사하게 시작됩니다. 그러나이 프로세스를 반복해서 반복하는 대신 정보를 분석하고 다른 시퀀스의 결합 친화도를 예측하는 데 사용할 수 있는 베이지안 신경망에 데이터 세트를 공급합니다.

"우리의 기계 학습 도구를 사용하면 이러한 후속 시퀀스 돌연변이 및 선택을 실험실이 아닌 컴퓨터에서 빠르고 효율적으로 수행할 수 있습니다."라고 UC San Diego의 세포 및 분자 의학 교수인 Wei Wang 박사는 말했습니다. 의과 대학.

AI 모델의 특별한 이점 중 하나는 각 예측의 확실성을 보고하는 기능입니다. Wang은 "많은 AI 방법과 달리 우리 모델은 실제로 각 예측에 얼마나 확신이 있는지 알려줄 수 있어 항체 순위를 매기고 약물 개발에서 우선순위를 정하는 데 도움이 된다"고 말했다.

파이프라인을 검증하기 위해 연구의 조나단 파킨슨(Jonathan Parkinson) 박사와 라이언 하드(Ryan Hard) 박사는 암에서 고도로 발현되는 단백질인 프로그래밍된 사멸 리간드 1(PD-L1)에 대한 항체를 설계하기 시작했습니다. 상업적으로 이용 가능한 여러 항암제의 표적. 이 접근법을 사용하여 미국 식품의약국(FDA)에서 임상 사용을 승인한 야생형 항체인 아테졸리주맙(상표명 Tecentriq)보다 PD-L1에 17배 더 잘 결합하는 새로운 항체를 확인했습니다.

연구자들은 현재 이 접근법을 사용하여 SARS-CoV-2와 같은 다른 항원에 대한 유망한 항체를 식별하고 있습니다. 그들은 또한 안정성, 용해도 및 선택성과 같은 임상 시험 성공에 중요한 다른 항체 특성에 대한 아미노산 서열을 분석하는 추가 AI 모델을 개발하고 있습니다.

왕은 "이러한 AI 도구를 결합함으로써 과학자들은 벤치가 아닌 컴퓨터에서 항체 발견 노력을 더 많이 수행할 수 있어 잠재적으로 더 빠르고 실패 가능성이 적은 발견 프로세스로 이어질 수 있다"고 말했다. "이 파이프라인에는 너무 많은 응용 프로그램이 있으며 이러한 발견은 실제로 시작에 불과합니다."

출처 : https://www.sciencedaily.com/