L’intelligence artificielle aide à la découverte d’anticorps à liaison super serrée

“Avec nos outils d’apprentissage automatique, ces cycles ultérieurs de mutation et de sélection de séquences peuvent être effectués rapidement et efficacement sur un ordinateur plutôt qu’en laboratoire”, a déclaré l’auteur principal Wei Wang, PhD, professeur de médecine cellulaire et moléculaire à l’UC San Diego. Ecole de Médecine.

Un avantage particulier de leur modèle d’IA est sa capacité à rendre compte de la certitude de chaque prédiction. “Contrairement à de nombreuses méthodes d’IA, notre modèle peut en fait nous dire à quel point il est confiant dans chacune de ses prédictions, ce qui nous aide à classer les anticorps et à décider lesquels prioriser dans le développement de médicaments”, a déclaré Wang.

Pour valider le pipeline, les scientifiques du projet et les co-premiers auteurs de l’étude Jonathan Parkinson, PhD, et Ryan Hard, PhD, ont entrepris de concevoir un anticorps contre le ligand de mort programmée 1 (PD-L1), une protéine fortement exprimée dans le cancer et la cible de plusieurs médicaments anticancéreux disponibles dans le commerce. En utilisant cette approche, ils ont identifié un nouvel anticorps qui se lie à PD-L1 17 fois mieux que l’atezolizumab (nom de marque Tecentriq), l’anticorps de type sauvage approuvé pour une utilisation clinique par la Food and Drug Administration des États-Unis.

Les chercheurs utilisent maintenant cette approche pour identifier des anticorps prometteurs contre d’autres antigènes, tels que le SRAS-CoV-2. Ils développent également des modèles d’IA supplémentaires qui analysent les séquences d’acides aminés pour d’autres propriétés d’anticorps importantes pour le succès des essais cliniques, telles que la stabilité, la solubilité et la sélectivité.

“En combinant ces outils d’IA, les scientifiques pourraient être en mesure d’effectuer une part croissante de leurs efforts de découverte d’anticorps sur un ordinateur plutôt que sur le banc, ce qui pourrait conduire à un processus de découverte plus rapide et moins sujet aux échecs”, a déclaré Wang. “Il y a tellement d’applications à ce pipeline, et ces découvertes ne sont vraiment que le début.”

Le financement de cette recherche est venu, en partie, des National Institutes of Health (subventions R01GM111941 et R21AI158114).

Divulgations: Les trois auteurs sont co-auteurs des demandes de brevet provisoires USPTO 63432836 et 63431556, qui couvrent les séquences d’anticorps à liaison étroite décrites ici et le pipeline, déposées avec l’aide de l’Université de Californie à San Diego.