抗体开发的革命：AlphaBind 利用 NVIDIA 和 AWS
realtime news Dec 03, 2024 18:17
由 A-Alpha Bio 开发的 AlphaBind 使用 NVIDIA 和 AWS 技术增强抗体-抗原结合预测，旨在革新生物制剂开发。
抗体已成为治疗开发的基石，这主要归功于其精准的靶向特异性抗原的能力。这种特异性使其能够有效治疗包括癌症和自身免疫性疾病在内的多种疾病，同时将非目标效应降至最低。根据最近的一项研究，单克隆抗体（mAbs）已跃升为生物药物批准的前沿，2018 年至 2023 年间，FDA 每年批准近 30 种新的单克隆抗体。
抗体建模的挑战
尽管具有治疗潜力，建模抗体仍然是一个复杂的挑战。抗体具有高度可变的区域，称为互补决定区（CDRs），允许它们结合多种目标。这种可变性使结构预测复杂化，因为现有模型如 AlphaFold 优化的是具有更稳定结构的蛋白质。
AlphaBind 的创新方法
A-Alpha Bio 与 NVIDIA 合作推出了 AlphaBind，这是一种特定领域的模型，旨在预测和优化抗体-抗原结合亲和力。AlphaBind 使用高通量实验数据结合机器学习技术进行模型训练。模型架构结合了通过 transformer 网络处理的 ESM-2nv 嵌入，以预测结合亲和力。
数据生成与模型训练
AlphaBind 的训练过程涉及使用酵母展示库和 A-Alpha 的 AlphaSeq 平台的下一代测序生成大规模亲和力数据集。该模型采用迁移学习，首先在大量数据集上进行预训练，然后在针对亲本抗体的特定数据上进行微调。
优化与验证
该模型使用随机贪婪优化来增强抗体结合亲和力，运行多个优化轨迹以提出有益突变。顶级候选通过高通量亲和力测量和生物层干涉验证来确认改进。
来自 NVIDIA 和 AWS 的技术支持
AlphaBind 受益于与 NVIDIA 和 AWS 的技术集成。它使用 NVIDIA 的 BioNeMo 框架和 H100 GPU 进行训练和推理，而 AWS 的云基础设施则便于快速部署和扩展。该模型也通过 AWS HealthOmics 提供，增强了生物制剂研究人员的工作流编排能力。
影响与未来方向
AlphaBind 表现出显著的成果，生成了数千种高亲和力候选，同时保持了序列多样性。然而，要实现一个通用且具备零样本抗体工程能力的模型，还需在数据收集和深度学习方面进行进一步的进展。NVIDIA 的人工智能模型与 AWS 的云能力积聚的结合将继续推动生物制剂发现中的创新。
更多详情，请访问来源。
Image source: Shutterstock