الذكاء الاصطناعي ومشكلات العالم الصعبة · الهندسة الحيوية والبيولوجيا التركيبية · Nature (computational biology) · 2026-10-26

تحسين متعدد الخصائص للأجسام المضادة العلاجية عبر تعديل التسلسل باستخدام نموذج لغوي كبير والتعلم المعزز

العنوان الأصلي: Multiproperty optimization of therapeutic antibodies through sequence editing via large language model and reinforcement learning

يصعب تصميم أجسام مضادة علاجية تحسّن عدة خصائص في آن واحد، لأن فضاء التسلسلات واسع، وتوصيفات الخصائص شحيحة، وغالبًا ما تتعارض الخصائص فيما بينها. يقترح المؤلفون AbOptimizer، وهو إطار للتعلم المعزز يختار مواقع التعديل وإجراءاته (الإبقاء، والاستبدال، والإدراج أو الحذف اختياريًا) ويوصي بالطفرات اعتمادًا على نماذج لغة البروتين. وعند اختباره على ثلاثة أجسام مضادة علاجية، حسّن الخصائص المستهدفة في المحاكاة الحاسوبية بما يتجاوز الطرق المرجعية، وأظهرت المتغيّرات المختارة تحسينًا مشتركًا للألفة والنوعية في emibetuzumab، وتحسّنًا في الألفة والنوعية مع الحفاظ إلى حد كبير على الثبات الحراري في siltuximab، وتحسينًا للألفة شمل الإدراج والحذف في trastuzumab.

اقرأ المصدر الأصلي ↗

جميع العناصر →