Vizuro 入選 Adaptyv Bio 2024 冬季 EGFR 結合劑設計濕實驗驗證計畫

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 的指引，我們執行了嚴謹的創新性檢查（確保與現有蛋白與專利資料庫中差異超過 10 個胺基酸），並整合競賽的評分標準以選出最終 10 個設計。運用我們的de novo蛋白質設計方案，我們使用了 8 種不同的蛋白質設計策略，分別針對 西妥昔單抗（Cetuximab）的不同區域進行重設計。這讓我們能夠生成並預測 80,000 個 de novo 蛋白質的結合親和力。 僅使用 一張 RTX 3090 顯示卡（24 GB VRAM），我們僅花費 6 小時就篩選出前 10 個候選設計。

競賽成果

圖二.  Vizuro 在 130 個競爭對手中排名第 25 位

圖三.  Vizuro 的 PAE 分數排名第一

• 排名：我們團隊在 130 支參賽團隊中名列第 25 名。

  
  

• 特別成就：我們在 “最佳 PAE 分數” 項目中名列第一，得分為 26.27。AlphaFold 中的 PAE(Predicted Aligned Error)衡量的是，在預測結構中，胺基酸對之間相對位置預測的整體信心度。

  
  

• 經驗反思：這次經歷讓我們得以將演算法應用於實際問題，雖未達成主要目標，但我們從中學習良多，也激勵我們在未來持續優化技術。

圖四.  我們入選的de novo蛋白質進入 EGFR 結合位點

圖五.  使用 Adaptyv Bio 濕實驗室系統進行 KD 分析

重要洞見

1. 模板選擇至關重要：本次冠軍隊伍 “Cradle” 同樣以 Cetuximab 作為模板，證明我們的基本策略是正確的，同時也突顯出進一步優化的空間。

   
   

2. 結合親和力預測為關鍵決勝點：如得獎團隊所指出，將生成式 AI 設計與機器學習親和力排序(machine learning-based binding affinity ranking)結合，是目前效果最佳的組合。

   
   

3. 生成式 AI 正在革新藥物發現流程：本次得獎設計的結合親和力甚至優於 20 年前獲准上市的 Cetuximab，象徵 AI 將徹底改變新藥設計與研發模式。

   
   

4. Vizuro 能在數小時內完成 de novo 設計任務：我們的設計流程僅使用一張 RTX 3090 即可在 6 小時內完成 80,000 個蛋白質的設計與親和力預測。

關於 Apotek Bench

Apotek 是 Vizuro 專為生命科學領域量身打造的綜合型端到端 SaaS 平台。它透過一系列功能，如互動式組學數據(omics data)儀表板、用於免疫腫瘤學的藥物發現流程、以及多維度靶點排序(multi-dimensional target ranking)等，來簡化藥物發現與研究。Apotek 還提供由 AI 驅動的生物資訊支援、用於生物模擬的數位分身，以及實驗研究服務。Apotek 加速了醫療保健與生物技術領域的科學洞察與創新。

了解更多有關 Apotek Bench: https://www.vizuro.com/apotek

與 Vizuro 團隊聯繫: https://www.vizuro.com/contact