抗体

博客好久没有更新了，前天收到腾讯云的信息同时也有个读者加了微信，才想起来自己还有个网站。因为今年的新项目比较多，也有一些之前的项目收尾所以一直没有时间更新内容。

这周刚刚参加了在厦门举办的2024年CSCO学术年会，所以就更新一下参会的内容吧，这里分享几个有意思的报告，全部的都分享内容有点多。

抗体的脱靶结合和聚集倾向是抗体成药行评估中的重要一环，目前对抗体的脱靶以及自交联的预测仍具有较大的挑战。今天分享的这篇文章使用机器学习，利用抗体可变区的结构特征，根据80个临床阶段单克隆抗体的实验数据进行训练，训练的模型可以识别在常见生理溶液条件下具有低脱靶结合同时在常见抗体制剂条件下具有低自交联倾向的抗体。最后通过预测和实验来证明其实用性，改造后的抗体可以降低非特异性并保持高亲和力。

抗体的优化需要大量时间和资源，这主要是因为在哺乳动物细胞中表达全长抗体的通量比较低很难进行高通量筛选，为了解决哺乳动物细胞表达在抗体优化中的局限，作者开发了一种基于深度学习的方法，能够高通量的识别具有抗原特异性结合的抗体序列；然后通过计算机预测最具可开发性的抗体分子，从而大大节省时间和成本，并大幅降低下游临床开发的风险。

传统的人源化方法是将抗体的CDR移植到与亲本抗体同源性较高的人源框架区上，但是这个过程一般会降低抗体的稳定性和亲和力，需要通过返回突变来恢复抗体的特性。最近Nature Biomedical Engineering介绍了一种新的人源化方法，这种方法与传统的人源化方法相比无需返回突变，且人源化后的抗体能够保持亲和力的同时还能提高稳定性。学术用户可以去试试看CUMAB(http://CUMAb.weizmann.ac.il)，没有学术邮箱但是喜欢捣腾的朋友也能自己部署一个服务器试试，只是需要的计算资源比较大，根据作者的思路我估计使用其他的替代CADD软件也能作出类似的结果。

上周百利天恒的EGFR-HER3 ADC(BL-B01D1)以84亿美金的价格授权给BMS，引起圈内外人事的一片惊叹。之前就看过各路专家对这个双抗ADC的分析，对于这种现象级的产品我之前也关注过。今天我准备从抗体设计的角度看看这个ADC的设计，从中学习借鉴一下。