ИИ и сложнейшие проблемы мира · Биоинженерия и синтетическая биология · Nature (computational biology) · 2026-10-26
Многокритериальная оптимизация терапевтических антител путём редактирования последовательностей с помощью большой языковой модели и обучения с подкреплением
Оригинальное название: Multiproperty optimization of therapeutic antibodies through sequence editing via large language model and reinforcement learning
Разработка терапевтических антител, улучшающих сразу несколько свойств, затруднена тем, что пространство последовательностей огромно, аннотации свойств разрежены, а свойства часто вступают в компромисс друг с другом. Авторы предлагают AbOptimizer — фреймворк обучения с подкреплением, который выбирает сайты и действия редактирования (сохранение, замена и, опционально, вставка или удаление) и рекомендует мутации на основе белковых языковых моделей. На трёх терапевтических антителах он улучшил оптимизируемые свойства in silico сильнее, чем базовые методы, а отобранные варианты показали совместную оптимизацию аффинности и специфичности для эмибетузумаба, улучшенные аффинность и специфичность при в основном сохранённой термостабильности для силтуксимаба и оптимизацию аффинности с учётом инделов для трастузумаба.