应用于抗体开发的深度学习正处于早期阶段。低数据量和生物平台差异使得开发监督模型用来预测工艺开发中的抗体行为具有挑战性。但是蛋白质模拟的成功以及先前抗体的模型也说明了存在这种可能性因为抗体具备一些普遍的特征，比如所有的抗体都以类似的方法折叠。同时，新的数据收集方法和生成模型以及掩码语言模型之类的无监督学习和自监督学习的深度学习模型的开发，为更好的监督学习模型的开发提供了丰富而又深度的数据集和深度学习架构。以上的突破一起推动行业朝着提高可开发性、降低成本和更广泛地获得生物治疗药物的方向发展。
AZD8205是一个B7-H4的ADC，毒素分子为拓扑异构酶1抑制剂，目前这个分子正处于I期临床实验(NCT05123482)。
生物治疗领域的药物大部分是IgG的单抗，主要使用的IgG亚型主要包括：IgG1、IgG2和IgG4以及它们的衍生突变。这篇文章作者将3个不相关的抗体可变区序列，分别都构建到IgG1、IgG1EN、IgG2 和IgG4PAA，共得到12个抗体，并检测了恒定区对于抗体的可开发性和高浓度稳定性。
生物制药对于先导分子的成药性有比较高的要求尤其是稳定性，因为生物药大都是通过非肠道途径给药，所以药物制剂必须制成溶液或者冻干粉，其中粘度对于生物药制备成高浓度制剂有着至关重要的影响。
DS-8201a无疑掀起了一阵ADC的热潮，带火了可裂解linker和喜树碱类似物的毒素作为ADC的标配。
