Evaluation of AI generated ligands for bioprocess application

Sammanfattning

Integrationen av artificiell intelligens (AI) i bioprocessapplikationer har framträtt som en transformerande metod inom bioteknik- och läkemedelsindustrin, och lovar betydande framsteg i effektivitet, verkan och hållbarhet. Genom att utnyttja avancerade algoritmer, såsom djupinlärning och förstärkningsinlärning, kan AI-system förutsäga och generera nya ligandstrukturer med hög affinitet för sina mål, såsom monoklonala antikroppar (mAbs) i detta projekt. Detta projekt syftar till att utvärdera potentialen hos AI-genererade affinitetsproteiner och validera de datorsimulerade förutsägelserna genom att undersöka bindningseffektiviteten och stabiliteten hos dessa ligander under verkliga förhållanden. Flera våtlabbstekniker användes för att uttrycka och rena de AI-designade proteinerna. Affinitetskromatografi var en teknik som användes för rening, följt av ytplasmonresonans (Biacore) för att studera interaktionen mellan de genererade affinitetsproteinerna och mAbs. Analyseresultat från SDS-PAGE och masspektrometri visade att de flesta proteiner kunde renas med hjälp av affinitetskromatografi. Emellertid visade karaktärisering med Biacore att de flesta proteiner inte interagerade med mAbs, förutom ett designat protein. Cirkulär dikroism (CD) spektrometri som användes för att visualisera sekundärstrukturen i proteiner visade att de flesta proteiner var veckade och bibehöll alfahelixar och betaflak jämfört med det vilda typen proteinet. Sammanfattningsvis ger denna forskning värdefulla insikter i utmaningarna vid utvärdering och karaktärisering av AI-genererade proteiner. Ytterligare forskningsinsatser bör fokusera på att förfina experimentella förhållanden och visualisera sekundärstrukturerna hos de genererade proteinerna för en djupare förståelse av deras stabilitetsproblem.