Maschinelles Lernen zur Entwicklung besserer Antikörpermedikamente
2021
ETH Zurich, Basel, Schweiz
Die Forscher haben eine Methode des maschinellen Lernens entwickelt, die die Optimierungsphase von Antikörpermedikamenten unterstützt und möglicherweise zur Entwicklung wirksamerer Therapeutika beiträgt. Der Standardansatz zur Optimierung von Antikörpern ermöglicht die Ermittlung des besten Antikörpers aus einer Gruppe von einigen Tausend. Die Forscher setzen nun maschinelles Lernen ein, um die anfängliche Menge der zu testenden Antikörper auf mehrere Millionen zu erhöhen. Sie erbrachten den Machbarkeitsnachweis für ihre neue Methode anhand des Antikörper-Krebsmittels Herceptin, das seit 20 Jahren auf dem Markt ist. Nach dem Screening von mehr als 70 Millionen Antikörper-DNA-Sequenzen charakterisierten die Wissenschaftler 55 einzigartige Antikörper-Varianten, von denen einige besser an das Zielprotein banden und eine Variante sogar besser im Körper vertragen wurde als Herceptin selbst. Die Wissenschaftler wenden ihre Methode der künstlichen Intelligenz nun an, um Antikörper-Medikamente zu optimieren, die sich in der klinischen Entwicklung befinden.
Optimization of therapeutic antibodies by predicting antigen specificity from antibody sequence via deep learning
Sai T. Reddy
Eingestellt am: 21.10.2021
[1] https://www.nature.com/articles/s41551-021-00699-9[2] https://www.drugtargetreview.com/news/89324/machine-learning-method-to-design-better-antibody-drugs-developed/?utm_source=Email+marketing&utm_medium=email&utm_campaign=DTR+-+Industry+Insight+-+Cell+Signaling+-+Proteomics+%26+Antibodies+-+10.09.21&utm_term=Discover+more+on+proteomics+and+antibodies+in+our+industry+insight+&utm_content=https%3a%2f%2femails.drugtargetreview.com%2frussellpublishinglz%2f&gator_td=Hh4ennvKSMIlbRgkgoQfXJmtZ1bfCSAqp0vkozkH1Po4Bho%2f5X96Q3v0vU8HyVkDwzf8z60DXdl7NNgeDBHXUX8nyRJhRBkCWtmPDisDtRqGYVwRbVcf8H%2fkmubbbWpABOLg5VVFR6MIXm7g3ji%2bAhfCLXPu2dvN3IVpir6fJ0saGvb90Ip0bzbkCP8wH%2bfKxQVyinUtEfoVEpQET5hGiGtT3n0vgKcC2XL290xhNGUOmgU4ModTDGBCiBO3QvXj7IbpJNNl68DMl3Us11x5HA%3d%3d
