圖一.  Adaptyv Bio “蛋白質設計競賽第二輪” 競賽概覽 蛋白質結合是 de novo蛋白質設計 中最具挑戰性的課題之一。近年來，生成式 AI 演算法已在藥物發現與開發的各種計算方法中展現出極大潛力。2024 冬季期間，Adaptyv Bio 舉辦第二屆蛋白質設計競賽，重點聚焦於 EGFR 結合力的最佳化。 本次競賽吸引了來自全球 130 支團隊參與，包括 Vizuro 在內，總共提交了 1,131 個創新設計，其中有 400 個設計通過了濕實驗驗證。 我們的策略 EGFR 結合是研究領域中一個成熟的主題，目前已有 4 款 FDA 核准的單株抗體藥物，另有 6 款處於臨床試驗階段。 在這次競賽中，我們選擇了西妥昔單抗（Cetuximab）作為結合 EGFR 的設計模板。我們的研究方法結合了頂尖的生成式AI演算法，用於重新設計西妥昔單抗的Fab重鏈(Cetuximab Fab heavy chain)，並輔以深度學習主導的結合親和力驗證(binding affinity validation)。 根據 Adaptyv Bio...

重點整理： 2024 年諾貝爾化學獎頒給了在計算蛋白質結構預測與抗體設計領域的突破性成就。 結合生成式 AI與因果 AI，能夠實現精準的靶點識別與抗體設計，具備高親和力、高特異性(specificity)及最小化脫靶效應(minimal off-target effects)，同時也推進了我們對疾病機制的理解。 多靶點辨識及其在「合成致死（Synthetic Lethality）」上的應用，有望帶來更安全、更快速且更具針對性的癌症療法。 每年諾貝爾獎都會表彰那些突破人類知識界限的重大發現。今年的諾貝爾化學獎頒發給計算蛋白質科學領域的突破性進展，授予 David Baker 及其在計算蛋白質設計方面的開創性工作，以及 Demis Hassabis 和 John M. Jumper 在蛋白質結構預測方面的貢獻 [1]。Baker 致力於透過生成式 AI設計全新抗體 [2]，使其設計更普及且具成本效益，具有徹底改變治療性抗體市場的潛力。同時，Hassabis 和 Jumper 憑藉 AlphaFold 系列模型 [3] 的成就，解決了從胺基酸序列預測蛋

賦能臨床醫師與一般大眾，提供可行的洞察 糖尿病是全球增長最快的健康危機之一，在美國已有超過 3800 萬人受影響，另有 9760 萬人因為前期糖尿病而處於高風險狀態 [1-3]。隨著糖尿病的全球負擔日益加重，醫療提供者迫切需要更深入、可行的洞察來改善預防與治療策略。 這正是 Karma360 發揮作用的地方：這是一個結合因果發現(causal discovery)與介入優化的平台，能夠幫助臨床醫師與一般民眾運用數據驅動的策略，減輕糖尿病風險。 挑戰：理解糖尿病的複雜性 糖尿病是一種多重成因的疾病，由遺傳、生活習慣與環境因素共同作用的高維綜合網絡所驅動。傳統分析方法往往無法理清這些複雜關係，使得找出最具影響力的介入點變得困難。 Karma360 的先進因果發現(causal discovery)引擎正是為了解決這項挑戰，它幫助臨床人員揭露潛藏的因果連結，並發現可採取行動的機會，達成早期介入與個人化照護。 解方：Karma360 的因果發現(Causal Discovery)工作流程 Karma360的流程根植於科學嚴謹性與領域專業知識，結合機器學習