• 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

    02_NonDegradableprotein_00.png

  • 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

    未标题-1.jpg

为了更好的倾听您的商务诉求,欢迎在预约洽谈系统留下您的信息,我们将尽快安排相关同事与您进一步交流。