首页 新闻 教育 校园 育儿 产业 商业 互联网 财经 科技 旅游 汽车 女性 生活

三优生物与百奥几何全新力作-基于干湿结合的药物结构及功能优化平台

2024-05-28 15:55   来源: 中国教育资讯网

      蛋白质作为生命活动的主要承担者,通过与不同类型分子(蛋白、核酸、金属离子、小分子)的相互作用行使其生物学功能。结构解析结构分析是理解蛋白互作、信号传导、药物作用机制药物优化等的关键步骤之一。以核磁共振、晶体衍射冷冻电镜为主的传统湿实验作为结构解析的主要方法,可以实现高分辨的原子结构模型,但该方法往往周期长、成本高且具有不确定性,亟需更好的方法来研究蛋白互作。而基于生成式AI的结构预测尤其互作复合物结构预测等干实验可以在抗原设计、表位预测及后期模型搭建过程中,提供重要的参考信息,从而极大提升结构解析的成功率并缩短实验周期;此外,AI在分子性质的预测、筛选和优化方面也展现出巨大潜力,这不仅极大地加快了分子改造的速度,还显著提高了成功率。

      三优生物百奥几何深度合作,现推出“基于干湿结合的药物结构及功能优化平台”,发挥双方各自优势,加速大分子药物研发进度。该平台目前聚焦在3大应用场景:1. 结构分析,基于百奥几何自研AI平台GeoBiologics,在抗原-抗体复合物预测任务上精度达到Alphafold3的水平,提供未知分子的结构预测及结构分析。2. 功能研究,基于AI的大分子抗体药物结合表位分析,聚焦表位及结构差异,在研发早期甄别差异性抗体,实现药物差异化研究。3. 药物优化,基于AI预测,加速完成大分子真实结构解析,指导抗体药物从头设计、成药性分析、人源化设计亲和力成熟等,实现药物优化及改造。

图1. 基于干湿结合的药物结构及功能优化平台概览

      三优生物湿实验具有超强市场竞争力,具备超万亿创新生物药发现平台、创新生物药一体化研发平台和创新生物药智能化研发平台,可以满足生物药研发的所有需求,包括高难度原材料制备、多类型生物分子发现、多维度成药性提升、全流程IND申报等。尤其在蛋白结构解析这一方面涵盖早期的结构可行性分析、高难度原材料制备、基于晶体衍射和冷冻电镜的双技术结构解析和基于点突变的结构功能验证等一站式结构解析平台,可以完成未知蛋白及其复合物(蛋白、抗原抗体、蛋白核酸复合物、多元蛋白复合物、蛋白小分子复合物、VLP等)的真实结构解析。同时,通过深度整合数字化、计算生物学自动化,打造“AI+计算+自动化”智能化创新新形态,三优生物将加速药物发现、药物优化及药物开发进程,引领创新生物药物的智能化研发服务。

      目前,三优生物已建设了数字化智能化工作系统,涵盖客户项目管理系统、样品管理系统、内部项目管理系统、报告自动化管理系统、序列分析系统、引物设计系统、实验数据处理系统、药物开发系统、建模预测抗药性分析系统、客户地图管理系统等多种数字化系统。三优生物将“完整技术后台、大数据中台、快捷交付前台”整合为药物研发数字化平台,将“生物信息学、计算科学与统计学”整合为计算生物学平台,将“自动化技术与药物筛选技术”整合为自动化技术平台。三台合一,形成了创新生物药智能化研发服务平台

      而百奥几何干实验的超强算法和算力,是国际上率先将扩散生成模型、几何深度学习等前沿技术引入分子建模和设计的团队,具备蛋白大模型训练与调优平台和生成式AI抗体设计与优化平台(GeoBiologics),基于GeoBiologics平台可以完成蛋白从头设计、结构分析、包含亲和力、成药性、人源性在内的抗体多目标优化等多项任务,为药物研发深度赋能、提质增效。通过与百奥几何的AI解决方案无缝衔接,三优丰富的项目经验和成熟的湿实验平台结合百奥几何的AI平台,可大幅度提升生物药发现的效率,从理论上和实践上推进各项管线及药物的研发进度。

表1. 三优生物与百奥几何研发平台优势互补

      随着生成式AI的快速发展,AI技术已突破单一应用,与生物技术实现深度结合,极大加速了生物药的临床前研究。目前市场上已有数个AI结合的生物药分子获得IND批件,三优生物主导的结构解析平台已发表4篇Science等高分文章百奥几何已在人工智能和深度学习领域的顶级会议上发表了数十篇文章。随着未来百奥几何的AI抗体设计平台的加入,双方将更深度地参与生物药研发,通过双方新平台的合作搭建——基于干湿结合的药物结构及功能优化平台,对各类生命分子的结构分析和结构解析,将提高药物新靶点发现到药物生成的效率和各项验证,加速药物研发,推进人类健康事业的建设。


      三优生物部分已发表或合作发表成果参考如下:

1. Hastie KM, et al. Defining variant-resistant epitopes targeted by SARS-CoV-2 antibodies: A global consortium study. Science. 2021 Oct 22;374(6566):472-478. (IF 63.832)

2. Yao H, et al. Rational development of a human antibody cocktail that deploys multiple functions to confer Pan-SARS-CoVs protection. Cell Res. 2021 Jan;31(1):25-36. (IF 46.351)

3. Liu J, et al. hACE2 Fc-neutralization antibody cocktail provides synergistic protection against SARS-CoV-2 and its spike RBD variants. Cell Discov. 2021 Jul 20;7(1):54.(IF 38.09)

4. Hang Chi, et al. An Engineered IgG‒VHH Bispecific Antibody against SARS-CoV-2 and Its Variants. Small Methods. 2022 Dec;6(12):e2200932. (IF 13.3)


      百奥几何部分已发表成果参考如下:

1. Lu J, Zhong B, Zhang Z, et al. Str2str: A score-based framework for zero-shot protein conformation sampling[C]//The Twelfth International Conference on Learning Representations. 2024.

2. Xu M, Yuan X, Miret S, et al. Protst: Multi-modality learning of protein sequences and biomedical texts[C]//International Conference on Machine Learning. PMLR, 2023: 38749-38767.

3. Shi C, Wang C, Lu J, et al. Protein Sequence and Structure Co-Design with Equivariant Translation[C]//The Eleventh International Conference on Learning Representations. 2023.

4. Zhang Y, Cai H, Shi C, et al. E3Bind: An End-to-End Equivariant Network for Protein-Ligand Docking[C]//The Eleventh International Conference on Learning Representations. 2023.

5. Zhang Z, Xu M, Jamasb A R, et al. Protein Representation Learning by Geometric Structure Pretraining[C]//The Eleventh International Conference on Learning Representations. 2023.

6. Xu M, Yu L, Song Y, et al. GeoDiff: A Geometric Diffusion Model for Molecular Conformation Generation[C]//International Conference on Learning Representations. 2022.

7. Xu M, Zhang Z, Lu J, et al. Peer: a comprehensive and multi-task benchmark for protein sequence understanding[J]. Advances in Neural Information Processing Systems, 2022, 35: 35156-35173.

8. Shi C, Luo S, Xu M, et al. Learning gradient fields for molecular conformation generation[C]//International conference on machine learning. PMLR, 2021: 9558-9568.

9. Shi C, Xu M, Guo H, et al. A graph to graphs framework for retrosynthesis prediction[C]//International conference on machine learning. PMLR, 2020: 8818-8827.


      关于三优生物

      三优生物成立于2015年,是一家国际领先的专注于创新生物药研发和服务的高新技术企业;公司致力于实现“让天下没有难做的创新生物药”的使命;公司建立了“差异化CRO、整合型CDO、协同型CPO、特色CRS”于一体的4C综合业务体系。

      公司建立了设施设备先进齐全的创新生物药一体化研发实验室;公司发展起了一支以硕士和博士为主的专业团队;公司打造了居于行业领军水平的“超万亿、一体化、智能化”三大创新药研发技术平台;公司建立了以十万亿噬菌体展示分子库为代表的,涵盖原材料制备、分子发现、分子优化、体内外药效、细胞株构建、上下游工艺、临床前研发及产业化开发等的50多个技术子平台。

      公司的业务网络已扩展至中美欧等世界各地,公司在波士顿、费城、圣地亚哥和伦敦等地设有业务网点;公司已和全球1000多家制药公司、药物研发机构、诊断试剂产品公司建立了友好的业务合作关系。公司已获得国家高新技术企业、专精特新、ISO9001质量管理体系、GB/T知识产权管理体系等认证。


责任编辑:刘明德
分享到:
0
【慎重声明】凡本站未注明来源为"中国教育资讯网"的所有作品,均转载、编译或摘编自其它媒体,转载、编译或摘编的目的在于传递更多信息,并不代表本站赞同其观点和对其真实性负责。如因作品内容、版权和其他问题需要同本网联系的,请在30日内进行!