Искусственный интеллект помог открыть сверхпрочные антитела
Ученые из Медицинской школы Калифорнийского университета в Сан-Диего разработали стратегию на основе искусственного интеллекта (ИИ) для поиска высокоаффинных антител-лекарств.
В исследовании, опубликованном 28 января 2023 года в Nature Communications, этот подход позволил идентифицировать новое антитело, связывающееся с основной мишенью при раке в 17 раз прочнее, чем существующее одобренное антитело. По словам авторов, этот метод может ускорить открытие новых лекарств против рака и других заболеваний, таких как COVID-19 и ревматоидный артрит.
Проблема традиционного подхода
Для успеха в качестве лекарства антитело должно прочно связываться с мишенью. Обычно исследователи начинают с известной аминокислотной последовательности антитела и используют бактерии или дрожжи для создания серии новых антител с ее вариациями. Затем эти мутанты оценивают на способность связываться с антигеном-мишенью. Лучшие кандидаты снова подвергаются мутагенезу и оценке, и цикл повторяется до получения набора высокоаффинных финалистов. Этот процесс долгий, дорогой, и многие полученные антитела все равно оказываются неэффективными в клинических испытаниях.
Новый метод на основе ИИ
Ученые создали передовой алгоритм машинного обучения для ускорения и оптимизации этого процесса:
- Генерируется начальная библиотека из примерно полумиллиона возможных последовательностей антител, которые скринируются на аффинность к конкретной белковой мишени.
- Эти данные загружаются в байесовскую нейронную сеть, которая анализирует информацию и предсказывает аффинность связывания для других последовательностей.
«С помощью наших инструментов машинного обучения последующие раунды мутации и отбора последовательностей можно проводить быстро и эффективно на компьютере, а не в лаборатории», — говорит старший автор Вэй Ван.
Ключевое преимущество модели
Особое преимущество их модели ИИ — способность сообщать об уверенности в каждом прогнозе. Это помогает ранжировать антитела и решать, какие из них приоритетны для разработки лекарств.
Проверка метода
Для валидации подхода ученые решили разработать антитело против белка PD-L1, который высоко экспрессируется при раке и является мишенью нескольких коммерческих препаратов. Используя этот метод, они идентифицировали новое антитело, которое связывалось с PD-L1 в 17 раз лучше, чем атезолизумаб (торговое название Tecentriq) — одобренное FDA антитело для клинического применения.
Перспективы
Исследователи уже применяют этот подход для поиска перспективных антител против других антигенов, включая SARS-CoV-2. Они также разрабатывают дополнительные модели ИИ для анализа аминокислотных последовательностей на другие важные для успеха в клинике свойства: стабильность, растворимость и селективность.
«Комбинируя эти инструменты ИИ, ученые смогут перенести все большую часть процесса открытия антител на компьютер, что потенциально приведет к более быстрому и менее подверженному неудачам процессу», — отметил Ван.