Zdravotnictví

Sino Biological spouští službu 4RISE pro ověřování proteinových vazebných molekul navržených pomocí AI

mm
Přidejte Unite.AI mezi své preferované zdroje na Google
Klíčové body4RISE closes the gap between AI protein design and experimental proof by returning…
Zobrazit více
  • 4RISE closes the gap between AI protein design and experimental proof by returning binding data in days.
  • Cell-free expression succeeded for more than 99% of candidates versus roughly 50–60% with HEK293.
  • Tencent AI Lab used over 200 AI-designed enzymes across three validation rounds to refine its design framework.

Společnost Sino Biological spustila službu 4RISE 13. listopadu 2026. Jde o vysokokapacitní službu laboratorního ověřování proteinových vazebných molekul navržených pomocí AI. Podle společnosti dokáže služba bezbuněčně exprimovat proteiny už za pouhé tři hodiny a dodat data o vazbě připravená pro AI už za pouhé tři dny, přičemž strukturované výsledky jsou dostupné v reálném čase prostřednictvím API.

Služba pokrývá experimentální fázi, která následuje po výpočetním návrhu: kandidáty vytvořené pomocí AI je třeba připravit a otestovat, aby se potvrdila jejich schopnost vázat cílovou molekulu. Její zdokumentovaný pracovní postup zahrnuje vše od odevzdání sekvencí a požadavků na testování přes expresi a purifikaci, analýzu vazby a kinetiky a případné ověření vyrobitelnosti a funkce až po dodání strukturovaných dat. Výsledkem je vrstva experimentální zpětné vazby pro následný výzkum a další iterace návrhu.

Měření exprese a vazby

Platforma společnosti pro bezbuněčnou syntézu proteinů XPressMAX podporuje miniproteiny, VHH, scFv, Fab, enzymy a cytokiny. Pro formáty vyžadující produkci v savčích buňkách, včetně protilátek v plné délce a fúzních proteinů s Fc, nabízí 4RISE přechodnou expresi v buňkách HEK293 a CHO.

V projektu, o němž informovala společnost a který zahrnoval více než 300 variant minibinderů navržených pomocí AI, se podařilo exprimovat přibližně 50–60 % kandidátů v buňkách HEK293, zatímco při bezbuněčné expresi to bylo více než 99 %. Kandidáti následně prošli vícecílovou analýzou metodou bio-vrstvové interferometrie.

Měření vazby využívají povrchovou plazmonovou rezonanci (SPR) na přístrojích Carterra a Biacore a bio-vrstvovou interferometrii (BLI) na přístrojích Octet. Úroveň analýzy afinity a kinetiky může podle nastavení testu poskytnout hodnotu afinity KD i kinetické parametry kon a koff, a přispět tak kvantitativními údaji k výběru vedoucích kandidátů.

Úrovně služeb a možnosti testování

Zveřejněné úrovně služeb oddělují úvodní hledání zásahů od kvantitativní charakterizace purifikovaných kandidátů:

Služba Postup Zveřejněná cena
Rychlé hledání zásahů Bezbuněčná exprese a screening surových supernatantů metodou SPR/BLI v jediném bodě Od 67 $ za sekvenci
Srovnávací screening vazebných molekul Purifikovaní kandidáti v kontrolovaných koncentracích, následovaní analýzou SPR/BLI v jediném bodě Od 112 $ za sekvenci
Charakterizace afinity & kinetiky Analýza purifikovaných kandidátů při více koncentracích Od 142 $ za sekvenci
Specializovaná exprese a ověřování vazebných molekul Exprese v savčích buňkách s analýzou vazby při jedné nebo více koncentracích Cena na vyžádání

Samostatná bezbuněčná exprese začíná na 47 $ za sekvenci.

Kromě testů vazby uvádí stránka služby více než 20 fyzikálně-chemických testů, více než 1 000 testů biologické aktivity proteinů a více než 10 funkčních testů na buněčných modelech. Možnosti ověřování vyrobitelnosti zahrnují testování tepelné stability, agregace, samovolné asociace, polyspecificity, hydrofobicity, exprese a rozpustnosti. Funkční testy zahrnují neutralizaci, buněčnou signalizaci, proliferaci a enzymatickou aktivitu, takže hodnocení přesahuje vazbu na cílovou molekulu a zahrnuje i biologickou aktivitu.

Projekt realizovaný s Tencent AI Lab ukazuje, jak lze tato funkční data využít při vývoji modelů. Stránka služby uvádí, že Sino Biological podpořila více než 200 enzymů navržených pomocí AI ve třech kolech návrhu, ověřování a iterací; zajistila syntézu genů, bezbuněčnou expresi, purifikaci a funkční ověření in vitro. Testy zahrnovaly aktivitu lysozymu, aktivitu chitinázy a stabilitu při vysokých teplotách a poskytly experimentální zpětnou vazbu pro iterativní optimalizaci rámce Tencent Ontology Reinforcement Iteration pro návrh proteinů.

Případové studie a doba vyřízení

V jednom ověřovacím projektu, o němž informovala společnost, přímý screening metodou SPR u bezbuněčných supernatantů vyhodnotil více než 200 vazebných molekul navržených pomocí AI bez nutnosti purifikace. Bylo identifikováno 11 kandidátů s pozitivní vazbou a data připravená pro AI byla dodána za tři až čtyři dny od získání genu.

Druhá případová studie společnosti zahrnovala více než 2 000 sekvencí scFv a VHH navržených de novo. Syntéza genů, bezbuněčná exprese, purifikace a vícecílová analýza metodou BLI vedly k první dodávce purifikovaných protilátek a údajů o vazbě za sedm až osm dní.

Tyto příklady zasazují tvrzení o třídenní době dodání do kontextu: nejrychlejší vyřízení se týká konkrétního postupu od sekvence k datům o vazbě, zatímco u rozsáhlejšího projektu s purifikovanými protilátkami trvala první dodávka déle. Pro týmy zabývající se objevováním léčiv pomocí AI spočívá praktická hodnota ve standardizovaném postupu, který převádí rozsáhlé knihovny sekvencí na kandidáty seřazené podle experimentálních výsledků; pro následná výzkumná rozhodnutí jsou k dispozici údaje o purifikovaných proteinech, vyrobitelnosti a funkci.

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.