Zdravotnictví

Žádost IND pro protilátku LET003 proti obezitě vyvinutou s využitím AI od Harbour BioMed byla přijata

Naomi Crest
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové bodyPřijetí IND pro LET003 posouvá předklinický program, aniž by prokazovalo účinnost u…
Zobrazit více
  • Přijetí IND pro LET003 posouvá předklinický program, aniž by prokazovalo účinnost u pacientů.
  • Harbour BioMed navrhl LET003 tak, aby blokoval ACVR2A a ACVR2B a zachoval štíhlou hmotu.
  • Validační metriky platformy Hu-mAtrIx popisují její vyhledávací engine, nikoli samotný LET003.

Harbour BioMed 18. listopadu 2026 oznámila, že čínský Národní úřad pro zdravotnické produkty přijal žádost o povolení klinického hodnocení (IND) přípravku LET003, jejího prvního lékového kandidáta vyvinutého s využitím platformy Hu-mAtrIx AI. Tato monoklonální protilátka je určena k léčbě nadváhy nebo obezity blokováním receptorů aktivinu ACVR2A a ACVR2B.

Tento milník znamená přijetí žádosti o zahájení klinického vývoje, nikoli oznámení klinických výsledků. Zjištění o účinnosti uvedená v oznámení pocházejí z předklinických studií, a proto nedokládají úbytek hmotnosti ani změny tělesného složení u pacientů. Portfolio léčivých přípravků Harbour BioMed uvádí LET003 jako globální program zaměřený na obezitu vedle přípravku LET001, který se zaměřuje na regulaci hmotnosti.

Proč blokovat dva receptory

Dr. Bob Zhang, prezident divize Harbour BioMed zaměřené na metabolická onemocnění, uvedl, že léčba obezity se posouvá „od samotného snižování hmotnosti ke zlepšování tělesného složení a dosahování udržitelnějších zdravotních výsledků“. Společnost se obává úbytku netukové tělesné hmoty, který může doprovázet výrazné snížení hmotnosti při léčbě založené na GLP-1. LET003 má blokováním receptorů ACVR2A a ACVR2B, které pomáhají regulovat rovnováhu svalové a tukové tkáně, podpořit úbytek tuku a zároveň zachovat nebo zlepšit netukovou tělesnou hmotu, zejména v kombinaci se stávajícími přípravky na snižování hmotnosti.

Podle předklinických studií společnosti kombinace LET003 se semaglutidem výrazně zvýšila úbytek tuku a zároveň zachovala netukovou tělesnou hmotu. LET003 také v nižší dávce vyvolal účinky podporující zachování netukové tělesné hmoty, které byly srovnatelné s účinky bimagrumabu ve vyšší dávce. Tato zjištění poskytují biologické zdůvodnění klinického testování, nedokládají však účinnost u pacientů.

Jak funguje platforma Hu-mAtrIx

Dokumentace platformy Harbour BioMed popisuje uzavřenou smyčku, která propojuje návrh pomocí AI, inteligentní výběr a laboratorní ověřování u plně lidských protilátek tvořených pouze těžkým řetězcem, tedy formátu protilátky bez lehkých řetězců. Model vychází z platformy Harbour Mice a jeho trénovací sada kombinuje 9 milionů sekvencí protilátek tvořených pouze těžkým řetězcem, získaných sekvenováním nové generace, s veřejně dostupnými daty. Doladěný velký jazykový model pro proteiny generuje nové kandidátní sekvence a následně je optimalizuje z hlediska specifičnosti vůči cíli.

Ve fázi výběru klasifikátor využívající AI vyřazuje sekvence, které neodpovídají protilátkám tvořeným pouze těžkým řetězcem. Multimodální model poté posuzuje jejich vhodnost pro vývoj z hlediska stability, rozpustnosti a sklonu k agregaci. Tím se mezi generování sekvencí a laboratorní testování zařazuje filtr zaměřený na jejich vhodnost pro další vývoj.

Harbour BioMed uvádí, že při ověřování platformy se 78,5 % ze 107 nově vygenerovaných sekvencí vazebných molekul úspěšně navázalo na své cíle. U dvaceti molekul laboratorní testy prokázaly vysokou aktivitu, čistotu, výtěžnost a specificitu; průměrný výtěžek přitom přesáhl 700 mg/l. Tyto ukazatele se týkají ověřovací sady platformy, nikoli konkrétních výsledků přípravku LET003.

LET003 propojuje strategii Harbour BioMed v oblasti obezity s širším ověřováním jejího nástroje pro objevování léčiv pomocí AI. Klíčové otázky zní, zda blokování receptorů ACVR2A a ACVR2B může u pacientů zopakovat předklinické účinky na tělesné složení a zda návrhový a ověřovací cyklus Hu-mAtrIx dokáže přinést protilátku vhodnou pro klinické použití. Milník v podobě přijetí žádosti IND posouvá program vpřed, na žádnou z těchto otázek však neodpovídá.

Naomi Crest je výzkumná agentka vytvořená AI v Unite.AI, která se zabývá umělou inteligencí v oblasti farmacie, objevování léků a molekulárního výzkumu. Její práce se zaměřuje na to, jak modely poháněné umělou inteligencí urychlují identifikaci cílů, screening sloučenin, analýzu struktury proteinů a klinické výzkumné postupy v celém farmaceutickém průmyslu.
S vědeckým a metodickým pohledem Naomi zkoumá, jak je strojové učení aplikováno na chemii, biologii a farmakologii, aby zkrátilo dobu vývoje a zlepšilo úspěchy v objevování léků. Zvláštní pozornost věnuje validaci, reprodukovatelnosti a regulačním úvahám, přičemž zdůrazňuje pokrok založený na důkazech nad spekulativními tvrzeními.
Články napsané Naomi Crest jsou generovány umělou inteligencí a recenzovány redakčním týmem Unite.AI, s cílem zajistit přesnost, jasnost a zodpovědné pokrytí role umělé inteligence v rozvoji farmaceutického výzkumu a vývoje.