|
ИИ помогает оптимизировать лекарства на основе антител
|
|
|
|
Лечение антителами может активировать иммунную систему для борьбы с такими заболеваниями, как болезнь Паркинсона, болезнь Альцгеймера и колоректальный рак, но они менее эффективны, когда связываются сами с собой и с другими молекулами, которые не являются маркерами заболевания. Теперь новые алгоритмы машинного обучения, разработанные в Мичиганском университете, могут выявить проблемные области антител, которые делают их склонными к связыванию нецелевых молекул. «Мы можем использовать модели, чтобы точно определить положения антител, которые вызывают проблемы, и изменить эти положения, чтобы исправить проблему, не вызывая новых», — сказал Питер Тессье, профессор фармацевтических наук Альберта М. Мэттокса в UM и автор-корреспондент исследования исследование опубликовано в журнале Nature Biomedical Engineering. «Эти модели полезны, потому что их можно использовать для существующих антител, совершенно новых антител, находящихся в разработке, и даже антител, которые еще не созданы».
|
|
|
|
Антитела борются с болезнями, связывая специфические молекулы, называемые антигенами, с агентами, вызывающими заболевание, например, с шиповидным белком вируса, вызывающего COVID-19. После связывания антитело либо напрямую инактивирует вредные вирусы или клетки, либо сигнализирует об этом иммунным клеткам организма. К сожалению, антитела, предназначенные для очень сильного и быстрого связывания своих специфических антигенов, могут также связывать неантигенные молекулы, что удаляет антитела до того, как они нацелятся на заболевание. Такие антитела также склонны связываться с другими антителами того же типа и при этом образовывать густые растворы, которые с трудом проходят через иглы, доставляющие лекарства на основе антител. «Идеальные антитела должны делать три вещи одновременно: плотно связываться с тем, для чего они предназначены, отталкивать друг друга и игнорировать другие процессы в организме», — сказал Тессье.
|
|
|
Антитело, которое не отвечает всем трем критериям, вряд ли станет успешным лекарством, но многие антитела, находящиеся на клинической стадии, не могут этого сделать. В своем новом исследовании команда Тессье измерила активность 80 антител на клинической стадии в лаборатории и обнаружила, что 75% антител взаимодействовали с неправильными молекулами, друг с другом или с тем и другим. Изменение аминокислот, составляющих антитело, и, в свою очередь, трехмерной структуры антитела, может предотвратить неправильное поведение антител, поскольку структура антитела определяет, с чем оно может связываться. Но некоторые изменения могут вызвать больше проблем, чем решить, а среднее антитело имеет сотни различных аминокислотных позиций, которые можно изменить. «Изучение всех изменений для одного антитела с помощью наших моделей занимает около двух рабочих дней, что значительно короче по сравнению с экспериментальным измерением каждого модифицированного антитела, которое в лучшем случае могло бы занять месяцы», — сказала Эмили Маковски, недавний доктор философии. Выпускник фармацевтических наук и первый автор исследования.
|
|
|
|
Модели команды, обученные на экспериментальных данных, собранных ими на основе антител на клинической стадии, могут определить, как изменить антитела, поэтому они проверяют все три поля с точностью от 78% до 88%. Это сужает количество изменений антител, которые инженерам-химикам и биомедицинам необходимо произвести и протестировать в лаборатории. «Машинное обучение является ключом к ускорению разработки лекарств», — сказал Тиексинь Ван, аспирант химического машиностроения и соавтор исследования. Биотехнологические компании уже начинают осознавать потенциал машинного обучения для оптимизации терапевтических антител следующего поколения. «Некоторые компании разработали антитела, которые их очень интересуют, поскольку они обладают желаемой биологической активностью, но они знают, что у них возникнут проблемы, когда они попытаются использовать эти антитела в качестве лекарств», — сказал Тессье. «Именно здесь мы приходим и показываем им конкретные места в их антителах, которые необходимо исправить, и мы уже помогаем некоторым компаниям сделать это».
|
|
|
|
Источник
|
