ИИ-инструмент помогает оптимизировать антитела для лекарств

Новые алгоритмы машинного обучения, разработанные в Мичиганском университете, могут выявлять проблемные области в антителах, которые делают их склонными к связыванию с нецелевыми молекулами.

Антитела борются с болезнями, связываясь со специфическими молекулами — антигенами на болезнетворных агентах. Однако антитела, созданные для очень сильного и быстрого связывания со своими антигенами, также могут связываться с нецелевыми молекулами или друг с другом. Это удаляет антитела до того, как они достигнут цели, а также может приводить к образованию густых растворов, которые плохо проходят через иглы для введения лекарств.

«Идеальные антитела должны делать три вещи одновременно: прочно связываться с тем, с чем должны, отталкивать друг друга и игнорировать другие вещества в организме», — сказал Питер Тессье, профессор фармацевтических наук и автор-корреспондент исследования, опубликованного в Nature Biomedical Engineering.

Исследователи измерили активность 80 антител на клинической стадии и обнаружили, что 75% из них взаимодействовали либо с неправильными молекулами, либо друг с другом, либо и то, и другое.

Изменение аминокислот, из которых состоит антитело, может предотвратить такое поведение, но среднее антитело имеет сотни позиций, которые можно изменить.

«Изучение всех изменений для одного антитела занимает около двух рабочих дней с нашими моделями, что существенно меньше по сравнению с экспериментальным измерением каждого модифицированного антитела — на что ушли бы месяцы, в лучшем случае», — сказала Эмили Маковски, первый автор исследования.

Модели команды, обученные на экспериментальных данных, могут определить, как изменить антитела, чтобы они соответствовали всем трём критериям, с точностью от 78% до 88%. Это сужает количество вариантов, которые инженерам нужно изготовить и протестировать в лаборатории.

«Машинное обучение — ключ к ускорению разработки лекарств», — сказал Тьесин Ван, соавтор исследования.

Некоторые биотехнологические компании уже обращаются к исследователям, чтобы оптимизировать антитела, которые имеют желаемую биологическую активность, но могут вызвать проблемы при использовании в качестве лекарств.