详细内容或原文请订阅后点击阅览
AI 方法优化抗体药物
一种将大型语言模型与蛋白质 3D 形状数据相结合的新方法可以更快、更轻松地开发药物。
来源:斯坦福新闻蛋白质已经进化到能够胜任从收缩肌肉到消化食物再到识别病毒等所有任务。为了设计出更好的蛋白质（包括抗体），科学家经常在不同位置反复突变氨基酸（按序列排列以组成蛋白质的单位），直到产生的蛋白质具有改进的功能，例如引发更强的免疫反应或更有效地从大气中捕获二氧化碳。
但是，可能的氨基酸序列比世界上的沙粒还要多。而找到最好的蛋白质，也就是最好的潜在药物，通常成本高昂甚至不可能。
斯坦福大学的科学家开发了一种基于机器学习的新方法，可以更快、更准确地预测将导致更好的抗体药物的分子变化。该方法于 7 月 4 日发表在《科学》杂志上，将蛋白质主链的 3D 结构与基于氨基酸序列的大型语言模型相结合，使研究人员能够在几分钟内找到罕见且理想的突变，否则这些突变只能通过详尽的实验才能找到。
已发布 科学在生物化学教授兼 Sarafan ChEM-H 研究所学者 Peter S. Kim 和化学工程助理教授兼斯坦福数据科学系教授 Brian Hie 的带领下，该团队表明，他们可以改进一种曾获 FDA 批准的 SARS-CoV-2 抗体，该抗体因对 2022 年 11 月的新毒株无效而停产。他们的方法使对病毒的疗效提高了 25 倍。
Peter S. Kim Sarafan ChEM-H Brian Hie“人工智能和药物开发的大量努力都集中在收集有关某种分子如何执行某项任务的大量数据上，以便计算机可以学到足够的知识来设计更好的版本，”Kim 说。 “值得注意的是，我们已经证明，结构可以代替大量数据，而计算机仍能学习。”
Arc Institute