抗體不僅是由我們的免疫細胞產(chǎn)生的，可以抵抗體內(nèi)的病毒和其他病原體。幾十年來，醫(yī)學還一直在使用生物技術生產(chǎn)的抗體作為藥物。這是因為根據(jù)鎖鑰原理，抗體非常擅長特異性結合分子結構。它們的使用范圍從腫瘤學到自身免疫性疾病和神經(jīng)退行性疾病的治療。
但是，開發(fā)此類抗體藥物絕非易事?；疽笫强贵w以最佳方式結合其靶分子。同時，抗體藥物必須滿足許多其他標準。例如，它不應該在體內(nèi)引發(fā)免疫反應，應該使用生物技術進行生產(chǎn)，并且應該長期保持穩(wěn)定。
一旦科學家發(fā)現(xiàn)了一種與所需分子靶結構結合的抗體，開發(fā)過程就遠遠沒有結束。相反，這標志著研究人員使用生物工程來嘗試改善抗體特性的階段的開始。巴塞爾ETH蘇黎世生物系統(tǒng)科學與工程系教授Sai Reddy領導的科學家們現(xiàn)已開發(fā)出一種支持這種優(yōu)化階段的機器學習方法，有助于開發(fā)更有效的抗體藥物。
機器人最多只能管理數(shù)千個
當研究人員優(yōu)化治療形式的整個抗體分子(即不僅是抗體的片段)時，它通常以與目標靶結構合理結合的抗體先導候選物開始。然后，研究人員在實驗室中隨機變異攜帶抗體藍圖的基因，以產(chǎn)生數(shù)千個相關的候選抗體。下一步是在它們之間進行搜索，以找到與目標結構最緊密結合的結構。Reddy說：“通過自動化流程，您可以在實驗室中測試數(shù)千個候選治療藥物。但是，僅進行篩查實際上是不可行的。”通常，此篩選中最好的十幾種抗體會繼續(xù)進行下一步，并測試它們滿足其他標準的程度。“最終，
機器學習極大地增加了候選人池
Reddy和他的同事現(xiàn)在正在使用機器學習將要測試的初始抗體集增加到幾百萬。雷迪說：“可供選擇的候選人越多，找到真正符合藥物開發(fā)所需所有標準的候選人的機會就越大。”
ETH研究人員使用羅氏公司的抗癌藥物赫賽汀(Herceptin)為他們的新方法提供了概念驗證，該藥物已經(jīng)上市了20年。Reddy解釋說：“但是我們并沒有就如何改善它提出建議-您不能追溯地更改已批準的藥物。”“我們選擇這種抗體的原因是因為它在科學界是眾所周知的，并且因為其結構已在開放獲取數(shù)據(jù)庫中公開。”
標簽： 抗體藥物
免責聲明：本文由用戶上傳，如有侵權請聯(lián)系刪除！