A-Alpha Bio 发布 AlphaBind 抗体优化模型并公开预训练权重
A-Alpha Bio 发布 AlphaBind 抗体优化模型,基于约 750 万条抗体-抗原结合数据预训练,在四个抗体-抗原体系中仅用一轮实验室数据生成数千个高亲和力变体。BLI 验证的 10 个候选(最多 11 个突变)全部表达且结合力优于亲本抗体;模型以 MIT 许可开源,代码与微调数据已公开。公司称该模型已用于管线与合作的抗体发现,并计划推出 AlphaBind2。
A-Alpha Bio 发布 AlphaBind 抗体优化模型,基于约 750 万条抗体-抗原结合数据预训练,在四个抗体-抗原体系中仅用一轮实验室数据生成数千个高亲和力变体。BLI 验证的 10 个候选(最多 11 个突变)全部表达且结合力优于亲本抗体;模型以 MIT 许可开源,代码与微调数据已公开。公司称该模型已用于管线与合作的抗体发现,并计划推出 AlphaBind2。
A-Alpha Bio 获美国国防部追加 1450 万美元资助,用于开发快速预测针对潜在生物威胁的治疗方案的机器学习模型。资金来自 JPEO-CBRND,将扩大其与劳伦斯利弗莫尔国家实验室在 GUIDE 项目下的合作。此前两年合作中,A-Alpha 的 AlphaSeq 数据被用于训练预测抗体-抗原结合的机器学习模型,合作范围从冠状病毒扩展到多个未披露的病原体家族。
推荐理由:该资助延续 A-Alpha Bio 与 LLNL 的抗体-抗原结合预测合作,并扩大病原体范围。
A-Alpha Bio 宣布与 Gilead Sciences 合作,利用其合成生物学与机器学习专长发现治疗 HIV 的长效生物药。合作将先用 AlphaSeq 平台表征候选药物与 HIV 抗原变体之间的结合亲和力并产生大量数据,再输入机器学习平台 AlphaBind 预测具有更强结合广谱性和抗病毒逃逸能力的蛋白。双方目标是开发高交叉反应性的生物药,以中和多种突变形式的 HIV。
推荐理由:A-Alpha Bio 与 Gilead 合作开发长效 HIV 生物药,展示了 AlphaSeq 与 AlphaBind 双平台在结合广谱性优化上的应用路径。
A-Alpha Bio 宣布与劳伦斯利弗莫尔国家实验室(LLNL)合作,利用 AlphaSeq 产生的结合数据训练机器学习模型,以加速针对新冠变异株的治疗性抗体发现。该项目由美国国防部支持,计划测量数百万量级的蛋白-蛋白相互作用,并借助 LLNL 的计算能力预测抗体与变异株冠状病毒蛋白的结合,作者称该思路也可用于其他快速演化的传染病和生物威胁。
推荐理由:该合作把 AlphaSeq 的大规模蛋白互作测量与 LLNL 算力结合,用于训练预测抗体与变异株结合的模型。
HotSpot Therapeutics宣布其Smart Allostery平台发现的新型CBL-B变构抑制剂在体外和小鼠中促进T细胞应答并增强NK细胞杀伤,数据将在SITC第36届年会以壁报864展示。
推荐理由:该数据展示机器学习平台如何定位蛋白调控口袋并得到口服小分子抑制剂,为不可成药靶点提供一条可参考路径。
A-Alpha Bio 发布预印本,用 AlphaSeq 技术对 33 种单克隆抗体与数千个 SARS-CoV-2 变异株进行结合测试,在抗体与 RBD 刺突蛋白变异体之间识别出超过 15 万对蛋白质-蛋白质相互作用。作者指出,许多抗体药物正针对 RBD 刺突开发,意外突变可能使病毒逃逸抗体治疗。
推荐理由:A-Alpha Bio 用 AlphaSeq 大规模筛查 33 种抗体与数千个变异株的结合,为变异逃逸评估提供高通量方法参照。
盖茨基金会向 A-Alpha Bio 授予 80 万美元资助,用于优化传染病疗法。GeekWire 报道称,该公司的 AlphaSeq 平台结合机器学习,可帮助开发治疗传染病的药物。
A-Alpha Bio 宣布介绍 AlphaSeq 的论文已在 PNAS 发表。文中展示可通过重编程酵母交配同时表征数千个蛋白质-蛋白质相互作用,并观察到改变细胞外环境后相互作用强度的变化。
推荐理由:AlphaSeq 通过重编程酵母交配实现数千蛋白互作并行表征,为结合剂筛选提供可规模化的实验方法。