计算预测因子的力量：抗体可开发性

/
在 Fv 域上投影空间电荷映射 （SCM） 值，表示粘度。DOI： 10.1080/19420862.2015.1099773

在进入临床试验之前，需要评估治疗性抗体的可开发性。评估抗体分子的可开发性特征，包括聚集、免疫原性、药代动力学清除率、粘度和半衰期。1这对于在临床试验前确保药物稳定有效非常重要。

这些特性可以通过计算机模拟方法理解，例如同源建模、对接或界面预测。在先导化合物鉴定和优化阶段，这些工具可以帮助研究人员生成抗体的三维模型，并预测或鉴定参与抗原结合的关键残基。机器学习工具还可以通过评估氨基酸序列的疏水性、静电荷和拓扑模式相互作用来预测这些特性。2,3

计算工具

Spatial-Charge-Map（SCM）是由Agrawal等人（2016）开发的一种工具，可以筛选单克隆抗体的粘度。SCM 通过量化抗体 Fv 结构域上的电负性电位贴片来工作。高粘度（常见于高浓度抗体溶液）给潜在药物的开发、制造和管理带来了一些问题。由于抗体序列是粘度的一个组成部分，因此该 SCM 工具对于选择低粘度抗体非常有帮助。4

治疗性抗体分析仪 （TAP） 是一种将您的抗体可变结构域序列与五个因素进行比较的应用程序：总互补决定区 （CDR） 长度、表面疏水性、净重链和轻链表面电荷的不对称性以及 CDR 中的正电荷和负电荷。 Raybould 等人（2019 年）发布了该工具，以揭示在临床阶段 mAb 疗法中具有罕见特征的抗体。5,6

机器学习工具

Jain等人（2017）使用随机森林机器学习方法直接从抗体序列中估计疏水色谱（HIC）保留时间。量化单克隆抗体的疏水性对于评估下游风险非常重要。研究人员成功地开发了预测模型，以预测抗体可变区域中氨基酸侧链的表面暴露。7

在Biointron，我们致力于加速您的抗体发现、优化和生产需求。我们的专家团队可以提供定制的解决方案，以满足您的特定研究需求。联系我们，详细了解我们的服务以及我们如何帮助您加速研究和药物开发项目。

引用:

  1. Raybould，MIJ，Deane，CM（2022 年）。用于计算可开发性评估的治疗性抗体分析仪。在：Houen，G.（编辑）治疗性抗体。分子生物学方法，第 2313 卷。Humana，纽约，纽约。https://doi.org/10.1007/978-1-0716-1450-1_5
  2. Kim， J.， McFee， M.， Fang， Q.， Abdin， O.， & Kim， PM（2023 年）。基于计算和人工智能的抗体开发方法。药理学趋势，44（3），175-189。https://doi.org/10.1016/J.TIPS.2022.12.005
  3. Mieczkowski，C.，Zhang，X.，Lee，D.，Nguyen，K.，Lv，W.，Wang，Y.，Zhang，Y.，Way，J.和Gries，M.（2023）。抗体生物制剂可开发性蓝图。单克隆抗体，15（1）。https://doi.org/10.1080/19420862.2023.2185924
  4. Agrawal，NJ，Helk，B.，Kumar，S.，Mody，N.，Sathish，HA，Samra，HS，Buck，PM，Li，L.和Trout，BL（2016）。用于早期筛选单克隆抗体粘度的计算工具。单克隆抗体， 8（1）， 43-48.https://doi.org/10.1080/19420862.2015.1099773
  5. J. Raybould，MI，Marks，C.，Krawczyk，K.，Taddese，B.，Nowak，J.，Lewis，AP，Bujotzek，A.，Shi，J.和Deane，CM（2019）。治疗性抗体分析的五项计算可开发性指南。美国国家科学院院刊，116（10），4025-4030。https://doi.org/10.1073/pnas.1810576116
  6. James Dunbar 等人，SAbPred：基于结构的抗体预测服务器，Nucleic Acids Research，第 44 卷，第 W1 期，2016 年 7 月 8 日，第 W474–W478 页，https://doi.org/10.1093/nar/gkw361
  7. Jain，T.，Boland，T.，Lilov，A.，Burnina，I.，Brown，M.，Xu，Y.和Vásquez，M.（2017）。使用机器学习从序列中预测疏水相互作用色谱中抗体的延迟保留。生物信息学， 33（23）， 3758-3766.https://doi.org/10.1093/bioinformatics/btx519
Scroll to Top