Nat. Commun.| 机器学习对可突变的治疗性抗体的亲和力和特异性进行共同优化

本文分享的是来自nature communications上的一篇题为《Co-optimization of therapeutic antibody affinity and specificity using machine learning models that generalize to novel mutational space》的文章，来自密歇根大学生物界面研究所、生物医学工程系、化学工程系项目组的Peter M.Tessier团队。

论文链接：

https://www.nature.com/articles/s41467-022-31457-3

治疗性抗体的开发需要高亲和力分子的选择以及其他类药物的生物物理特性，多种抗体特性的联合优化仍然是一个困难和耗时的过程，严重阻碍药物开发。在这篇文章中，作者团队提出了开发了一种简便的机器学习模型，对治疗性抗体的亲和力和特异性进行多目标优化。结果表明，机器学习模型的力量极大地扩展了对新型抗体序列空间的探索，并加速了高效的药物类抗体的开发。