← 返回首頁

讓AI設計蛋白質更快接受實驗考驗:無細胞合成接上即時結合分析

200種奈米抗體完成合成後,研究團隊再以4.5小時篩出11個可結合標的的候選分子。這套流程縮短了早期驗證的等待,但距離證明藥物有效,還有多道關卡。

By SURL BioNews

電腦畫得出蛋白質的模樣,實驗室卻仍須確認它能否製造出來、抓住預定標的。隨著AI設計的候選分子增加,這段驗證過程成為研發瓶頸。Sino Biological與Cytiva公布的一套整合流程,嘗試將蛋白質合成與結合分析直接銜接,減少培養細胞及逐一純化樣本的等待。

《Drug Target Review》9月11日刊出的文章介紹,團隊以AI設計的VHH,也就是奈米抗體,測試這項方法。根據Sino Biological公開資料,200種VHH在三小時內平行完成合成,接著直接取反應上清液進行篩選,於4.5小時內找到11個陽性結合分子。這些時間分別涵蓋合成與篩選,不能直接當成從AI設計到完整驗證的總耗時。

流程前半段採用無細胞蛋白質合成(CFPS):將細胞內負責製造蛋白質的機器取出,加入核酸模板、胺基酸與能量供應成分,在試管內進行反應。這次使用的試劑盒為CFKIT02;由於不必等待活細胞生長,研究人員得以同時製作多個候選分子。

後半段則由Biacore 8系列儀器,以表面電漿共振(SPR)追蹤分子結合與分離。研究人員利用His標籤,從未純化的上清液中將候選蛋白質捕捉到感測表面,再測量它與標的的互動。所謂「免純化」,省下的是先將每份樣本另外純化的步驟,分析本身仍依賴選擇性的表面捕捉。

為檢查粗樣本是否影響讀值,團隊比較三個候選分子在四種製備條件下的親和力,包括線性與質體模板產生的CFPS上清液、純化後的CFPS蛋白質,以及由中國倉鼠卵巢(CHO)細胞製造的純化蛋白質。廠商稱結果高度一致;公開數值支持這幾個分子的結合表現相近,但不足以推論所有蛋白質都能得到同樣結果。

這份案例仍有關鍵資訊未交代:公開說明未揭露該批候選分子的設計模型、訓練資料、具體標的,以及陽性判定門檻。刊於《Drug Target Review》的文章也有Sino Biological署名,與公司資料屬於同一套案例的敘述,不能視為獨立重現。11個陽性結果因此只能描述這次篩選,無法代表AI蛋白質設計的一般成功率。

對藥物探索而言,這套方法的實際用途,是更快取得候選分子的結合證據,協助決定哪些設計值得繼續投入。至於它們能否改變細胞功能、在體內保持穩定,以及是否安全,仍須另外驗證。把實驗回饋送回設計端的速度加快,才是這項流程目前較有依據的價值。

References

  1. Drug Target Review
  2. Sino Biological