-
大分子药物的亲和力改造仍面临诸多困难
-
“所要即所得”的亲和力改造：在保持关键性质的同时达到所需的亲和力——基于AI驱动的工作流程得以实现
-
专有的AI模型，可以搜索1025的超大突变空间
高度准确的亲和性和可开发性预测算法
高通量合成和测试系统，可提供快速反馈
-
获得任何想要的亲和力——较母本分子高或低
维持/优化可开发性/免疫原性
时间周期短
-
-
案例 1提高无法展示的蛋白的亲和力
目标：对无法兼容展示系统的模块蛋白进行亲和力成熟
得到2个突变体，包含3-4个点突变，亲和力均提高了13倍
对60个突变体进行2轮设计-合成-测试，获得9个亲和力提高>3倍的突变体
-
案例 2 先导抗体的双向亲和力调整
目标：分别提高和降低先导抗体的亲和力，为双特异性抗体开发提供更多选择
我们的AI模型生成了3组突变体，其预测亲和力相比野生型：
1) 显著提高（目标：10倍）
2) 稍微提高（目标：3倍）
3) 稍微降低（目标：降低3倍）
表达和测试时，这些突变体显示出与其目标范围相吻合的亲和力（如右图所示）
对96个突变体进行了1轮设计-合成-测试，获得一组高度优化的先导分子，其KD跨度为3个数量级，具有优良的可开发性
