← 返回首頁

UCB攜手Cradle,將AI蛋白質設計接入抗體藥物研發

從尋找初始分子到臨床前準備,UCB將把實驗結果持續回饋給專案模型,協助抗體優化。這項合作考驗的是AI能否融入日常研發;目前尚未公布候選藥物或效率驗證數據。

By SURL BioNews

讓電腦提出抗體設計,只是藥物探索的起點;接下來,研究人員還得逐一驗證,再決定哪些分子值得繼續投入。比利時生技製藥公司UCB於11月4日宣布與Cradle建立策略合作,將AI蛋白質設計平台納入部分抗體探索專案,嘗試讓設計與實驗之間的往返,成為能持續累積經驗的研發流程。

依雙方公告,合作範圍涵蓋初始活性分子的產生、先導分子優化,以及進入臨床前研究所需的準備工作。這是UCB既有數位抗體探索與工程計畫的擴充:Cradle的平台將與UCB自身的抗體探索能力、計算工具及疾病生物學研究相結合。雙方尚未揭露納入合作的具體標的、疾病或候選分子。

這套流程的核心,是讓實驗室結果持續回到模型。研究人員測試平台提出的分子後,會把結果輸入針對個別專案建立的模型,作為下一輪設計的依據。雙方稱之為「實驗室納入迴圈」(lab-in-the-loop);其用意是讓模型隨專案資料累積而調整,協助科學家同時權衡候選分子的多項性質。

Cradle在公告中表示,平台把AI分子工程、從實驗資料學習,以及多項性質的共同優化整合在同一套系統中。執行長Stef van Grieken將合作重點放在跨專案使用:讓科學家透過共同平台,處理更多類型的分子與更複雜的工程問題。這也使合作的意義從單次設計,延伸到整個探索團隊如何安排實驗、累積資料與選擇候選分子。

不過,公告描述的是預定採用的工作方式,尚未提供這次合作的驗證成果。雙方沒有公布訓練資料規模、測試分子數量、與既有流程比較的成功率,或節省多少研發時間。因此,能否更快找出品質較佳的抗體,目前仍是合作目標,尚不能視為已獲證實的效果。

RTTNews另報導,合作財務條件並未公開。現階段也沒有這項合作產生的動物或人體研究結果可供評估。從模型建議走到可開發的藥物,仍須逐步建立實驗證據;即使候選分子完成臨床前準備,也不能據此推定人體療效、安全性或取得監管核准的機會。

References

  1. The Pharma Letter
  2. UCB
  3. Cradle
  4. RTTNews