AI は、科学者が、私たち自身の免疫システムをトリガーしてがん細胞を破壊する可能性のある新しい抗体を発見するのに役立っています。
免疫系は、細菌やウイルスなどの外来細胞を攻撃できる特殊なタンパク質である抗体を生成します。 腫瘍を攻撃するものもあります。
しかし、有効な抗体を見つけるのは難しい。 研究者は、既知の例を変異させ、細菌または酵母細胞で増殖させることにより、新しい抗体を設計します。 これらは、ラボ実験で標的タンパク質とどの程度結合するかを確認するためにテストされます。 このプロセスを何度も繰り返して、製造する価値のある最も有望な抗体の検索を絞り込みます。
スクリーニング ステージは消費とコストがかかるため、AI アルゴリズムが役立ちます。 カリフォルニア大学サンディエゴ校の研究チームは、既存の抗体医薬品であるアテゾリズマブよりも、がん細胞によって発現されるタンパク質であるプログラム死リガンド 17 (PD-L1) に 1 倍強く結合できる抗体を特定した新しいシステムを開発しました。近々 承認された 米国食品医薬品局によって。 研究者たちは、新しい抗体候補を医薬品に開発することを望んでいる.
「特定の抗体には何百万もの変異体があり、それらが抗原に結合するすべてを実験的にテストすることは不可能です。 そのため、このプロセスを加速するための機械学習手法を開発することが重要です」と、研究の上級著者である Wei Wang 氏は述べています。 公表 Nature Communications の博士号を取得し、カリフォルニア大学サンディエゴ医科大学の細胞および分子医学の教授は、次のように説明しました。 登録.
癌性腫瘍からの抗原は、体の免疫系を活性化して抗体を産生し、それらを破壊します。 Wang と彼の同僚は、数百万の抗体配列で AI モデルをトレーニングし、標的タンパク質または抗原に結合する能力を予測しました。
結果として得られる AI パイプラインは「RESP」と呼ばれますが、これは著者が定義していませんが、有用な抗体を見つけるための強力な方法であることが示唆されています。
「私たちの RESP モデルは、最初のスクリーニング ライブラリに含まれていない場合でも、新しい配列の結合親和性を予測できます。 既存の AI モデルと比較した RESP モデルのユニークな利点は、[その] 予測が [どのように] 信頼できるかを [計算] することであり、[実験的にテスト] する少数の配列を選択するのに非常に役立ちます」と Wang は付け加えました。
このモデルは、従来のコンピューターによる方法よりも効率的に抗体をスクリーニングし、科学者はその予測を使用して、ラボ実験で合成およびテストする最も有望な新しい候補を見つけることができます。 AI は創薬プロセスをスピードアップするため、企業はより迅速に臨床試験に進むことができます。
「これらの AI ツールを組み合わせることで、科学者は実験台ではなくコンピューター上で抗体発見の取り組みを行うことができるようになり、発見プロセスがより迅速で失敗の少ないものになる可能性があります」と Wang 氏は述べています。 と 声明で。 「このパイプラインには非常に多くのアプリケーションがあり、これらの調査結果はほんの始まりに過ぎません。」
チームは現在、その RESP モデルを使用して、SARS-CoV-2 を含む他の抗原に対する新しい抗体を探し、COVID-19 に取り組んでいます。 ®
- SEO を活用したコンテンツと PR 配信。 今日増幅されます。
- Platoblockchain。 Web3メタバースインテリジェンス。 知識の増幅。 こちらからアクセスしてください。
- 情報源： https://go.theregister.com/feed/www.theregister.com/2023/02/02/scientists_ai_algorithms_cancer/
