UCB přidává platformu umělé inteligence Cradle do projektů zaměřených na objevování protilátek

Společnosti Cradle a UCB oznámily strategickou spolupráci 4. listopadu 2026 s cílem využít platformu Cradle pro návrh a optimalizaci proteinů pomocí umělé inteligence ve vybraných projektech UCB zaměřených na objevování protilátek, od identifikace hitů přes optimalizaci vedoucích kandidátů až po přípravu na předklinický vývoj.

Spolupráce rozšiřuje rostoucí digitální program UCB zaměřený na objevování a optimalizaci protilátek o komplexní systém Cradle. Tento program spojuje stávající platformu UCB pro objevování protilátek s výpočetními metodami, odbornými znalostmi biologie nemocí a sítí technologických a výzkumných partnerů. UCB chce rychleji identifikovat a optimalizovat kvalitní kandidáty pro nemoci, u nichž pacienti stále potřebují lepší možnosti léčby.

Výsledky experimentů slouží k přeškolování projektových modelů

Jak vědci z UCB platformu používají, výsledky experimentů se budou vracet do modelů pro jednotlivé programy. Společnosti tento cyklus popisují jako postupně se zhodnocující učicí smyčku neboli „laboratoř v učicím cyklu“: každé kolo laboratorních důkazů poskytuje podklady pro další sadu návrhů. Vědci při optimalizaci kandidátů a posuzování jejich postupu směrem k potenciálnímu kandidátu nadále uplatňují své odborné znalosti a úsudek.

Dokumentace platformy Cradle vysvětluje její základní pracovní postup. Data z testů se používají k natrénování modelu na krajině funkční způsobilosti konkrétního proteinu. Výsledky nahrané z destičky — varianty vygenerované Cradle, racionálně navržené varianty týmu nebo jejich kombinace — slouží k přeškolení modelu před dalším kolem. Projekt zaměřený na počáteční identifikaci hitů může začít jedinou sekvencí bez dat z testů, případně nejednoznačným souborem výsledků screeningu, například počty obohacení získanými metodou NGS při kampani využívající prezentaci nebo selekci.

Návrh protilátek s více požadovanými vlastnostmi

Dokumentace Cradle k protilátkám rozděluje cíle optimalizace do oblastí vazby, stability, vyrobitelnosti, imunogenicity a vývojové vhodnosti. Mezi měřitelné cíle může patřit specificita a zkřížená reaktivita, termostabilita a agregace, výtěžnost exprese, riziko epitopů T-buněk a nežádoucí vlastnosti, jako je deamidace nebo oxidace. Díky tomu je konkrétnější požadavek uvedený v oznámení, aby se kandidáti optimalizovali s ohledem na celý soubor vlastností nezbytných pro úspěch.

Uživatelé definují profil cílového kandidáta jako hlavní cíl doplněný o omezení. Cradle uvádí, že platforma optimalizuje stanovené vlastnosti souběžně, zohledňuje kompromisy a ještě před provedením testu odhaduje pravděpodobnost splnění každého cíle; zároveň upozorňuje na nereálné cíle. Kandidáty na destičce lze také před syntézou a vynaložením prostředků na testování ohodnotit pomocí natrénovaného modelu. Výsledkem je očekávaná úspěšnost identifikace hitů, rozložení skóre pro každý cíl a odhad zbývajícího prostoru pro zlepšení. Tyto předpovědi pomáhají rozhodnout, zda pokračovat dalším kolem, návrh přepracovat, nebo práci zastavit.

Systém je vědcům dostupný prostřednictvím webové aplikace bez nutnosti programovat a výpočetním týmům prostřednictvím API. Výzkumné týmy mohou prohlížet varianty, porovnávat mutace a umisťovat vlastní návrhy na stejnou destičku jako kandidáty vygenerované Cradle. Tyto externí návrhy se hodnotí podle stejných kritérií a slouží jako trénovací signál pro další kola, takže vědci mohou do modelu promítat vlastní hypotézy.

Vedení zdůrazňuje, že objevování řídí vědci

Hlavní vědecký ředitel UCB Alistair Henry označil umělou inteligenci za „násobitel vědeckých možností“, který má rozšiřovat lidské odborné znalosti v biologii, chemii a translačním výzkumu, nikoli být cílem sám o sobě. Uvedl, že spojení prediktivního modelování s ověřováním v mokré laboratoři by mohlo pomoci navrhovat lepší molekuly, urychlit získávání poznatků a dostat kvalitní léčiva k pacientům dříve.

Generální ředitel a spoluzakladatel Cradle Stef van Grieken uvedl, že umělá inteligence bude mít největší dopad na výzkum a vývoj biologických léčiv tehdy, když její využití přesáhne rámec jednotlivých experimentů či programů a stane se součástí práce vědců napříč celou organizací zaměřenou na objevování léčiv. V souladu s touto vizí získají vědci UCB společnou platformu, kterou budou moci využívat ve více programech a u různých modalit i složitých úkolů spojených s optimalizací v rámci celého portfolia biofarmaceutik společnosti, přestože formální zavedení se týká pouze vybraných projektů zaměřených na objevování léčiv.

Spolupráce propojuje tuto ambici s opakovaným učením na základě experimentů: každý test může zdokonalit návrhy pro další kolo, přičemž odpovědnost za rozhodování o kandidátech zůstává na vědcích. Praktickou zkouškou pro UCB bude, zda tyto cykly povedou k protilátkám, které současně splní požadavky na vazbu, stabilitu, vyrobitelnost a vývojovou vhodnost a postoupí k přípravě na předklinický vývoj.