В рамках междисциплинарного сотрудничества исследователей Вашингтонского университета был разработан инновационный искусственный интеллект (ИИ) для целенаправленного дизайна антител, нацеленных на специфические участки молекул вирусов и токсинов. Используя передовые методы структурной визуализации, данный подход позволяет с высокой точностью идентифицировать ключевые точки взаимодействия антител с молекулярными мишенями и оптимизировать структуру последних для повышения аффинности связывания.
Антитела представляют собой краеугольный камень современной биомедицины, на основе которых разработано более 160 терапевтических препаратов. Ожидается, что к 2028 году рынок антител достигнет 445 миллиардов долларов. Антитела эффективно блокируют патогенные процессы, маркируют инфекционные агенты для последующей элиминации и нейтрализуют токсичные белковые комплексы.
Читайте также
Традиционно процесс разработки антител характеризуется значительной продолжительностью и ресурсоемкостью. Однако предложенный вычислительный метод значительно ускоряет и оптимизирует этот процесс. В журнале Nature опубликована статья, описывающая систему ИИ Predicting antibody binding to targets with RFdiffusion, предназначенную для генерации антител с высокой специфичностью к заданным молекулярным мишеням. Модель RFdiffusion анализирует структурные особенности антител и ключевые "горячие точки" на поверхности мишеней, что позволяет формировать новые связывающие конформации. Вторая сеть, RoseTTAFold2, прогнозирует правильное сворачивание и связывание сконструированных белков, исключая нестабильные и нефункциональные варианты.
Первоначальные исследования были направлены на однодоменные антитела VHH, выделенные из крови верблюдовых (лам и альпак). Эти миниатюрные антитела обладают уникальными свойствами, такими как высокая стабильность, компактность и способность к модификациям. Благодаря своим малым размерам, они могут проникать в труднодоступные области на поверхности вирусных и бактериальных белков.
В рамках эксперимента были использованы гуманизированные структуры VHH, нацеленные на гемагглютинин вируса гриппа, токсин B Clostridium difficile, домены I и III респираторно-синцитиального вируса (RSV) и рецептор-связывающий домен SARS-CoV-2. Результаты испытаний продемонстрировали успешное создание антител с высокой специфичностью к вирусным белкам и способностью нейтрализовать токсические агенты. Однако текущий уровень эффективности данного подхода остается низким, варьируясь в диапазоне от 0% до 2% в зависимости от специфичности мишени. Ожидается, что дальнейшее совершенствование моделей предсказания структуры белков, таких как AlphaFold3 и ipTM, значительно повысит эффективность данного метода.
В перспективе предложенная методология может стать мощным инструментом для разработки новых терапевтических антител, обладающих высокой специфичностью и эффективностью, пишет источник.