Santé

Sino Biological lance 4RISE pour valider les protéines de liaison conçues par l’IA

mm
Ajouter Unite.AI à vos sources préférées sur Google
Points clés4RISE closes the gap between AI protein design and experimental proof by returning…
Voir plus
  • 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.

Le 13 novembre 2026, Sino Biological a lancé 4RISE, un service de validation expérimentale à haut débit pour les protéines de liaison conçues par l’IA. Selon l’entreprise, ce service peut produire des protéines sans cellules en seulement trois heures et fournir, en seulement trois jours, des données de liaison exploitables par l’IA à partir des séquences, avec un accès en temps réel aux résultats structurés par API.

Le service prend en charge l’étape expérimentale qui suit la conception informatique : les candidats générés par l’IA doivent être produits et testés pour confirmer leur activité de liaison à la cible. Le flux de travail documenté va de la soumission des séquences et des exigences de test à la livraison de données structurées, en passant par l’expression et la purification, l’analyse de la liaison et de la cinétique, ainsi que, en option, l’évaluation du potentiel de développement et la validation fonctionnelle. Il fournit ainsi une couche de rétroaction expérimentale pour les recherches et les itérations de conception ultérieures.

Mesures de l’expression et de la liaison

XPressMAX, la plateforme de synthèse de protéines sans cellules de l’entreprise, prend en charge les mini-protéines, les VHH, les scFv, les Fab, les enzymes et les cytokines. Pour les formats nécessitant une production en cellules de mammifères, notamment les anticorps de pleine longueur et les protéines de fusion Fc, 4RISE propose une expression transitoire dans des cellules HEK293 et CHO.

Dans le cadre d’un projet rapporté par l’entreprise, portant sur plus de 300 variants de mini-protéines de liaison conçues par l’IA, l’expression dans des cellules HEK293 a réussi pour environ 50 à 60 % des candidats, contre plus de 99 % avec l’expression sans cellules. Les candidats ont ensuite fait l’objet d’une analyse par interférométrie de biocouche multi-cible.

Les mesures de liaison reposent sur la résonance plasmonique de surface (SPR) avec Carterra et Biacore, ainsi que sur l’interférométrie de biocouche (BLI) avec Octet. Le niveau d’analyse de l’affinité et de la cinétique peut fournir la mesure d’affinité KD et les paramètres cinétiques kon et koff, lorsque le protocole expérimental le permet, apportant ainsi des mesures quantitatives pour la sélection des candidats principaux.

Niveaux de service et options d’analyse

Les niveaux de service publiés distinguent la découverte initiale de candidats prometteurs de leur caractérisation quantitative après purification :

Service Méthode Tarif publié
Découverte rapide de candidats prometteurs Expression sans cellules et criblage SPR/BLI en un point unique sur des surnageants bruts À partir de 67 $ par séquence
Criblage comparatif des protéines de liaison Candidats purifiés à des concentrations contrôlées, suivis d’une analyse SPR/BLI en un point unique À partir de 112 $ par séquence
Caractérisation de l’affinité et de la cinétique Analyse de candidats purifiés à plusieurs concentrations À partir de 142 $ par séquence
Expression et validation spécialisées de protéines de liaison Expression en cellules de mammifères avec analyse de la liaison à une ou plusieurs concentrations Devis personnalisé

L’expression sans cellules seule est proposée à partir de 47 $ par séquence.

Au-delà de la liaison, la page du service répertorie plus de 20 analyses physicochimiques, plus de 1 000 analyses de l’activité biologique des protéines et plus de 10 analyses fonctionnelles sur cellules. Les options d’évaluation du potentiel de développement portent sur la stabilité thermique, l’agrégation, l’auto-association, la polyspecificité, l’hydrophobicité, l’expression et la solubilité. Les options fonctionnelles comprennent des analyses de neutralisation, de signalisation cellulaire, de prolifération et d’activité enzymatique, élargissant l’évaluation de la liaison à la cible à l’activité biologique.

Un projet mené avec Tencent AI Lab illustre comment ces données fonctionnelles peuvent contribuer au développement de modèles. Selon la page du service, Sino Biological a accompagné plus de 200 enzymes conçues par l’IA au fil de trois cycles de conception, de validation et d’itération, en fournissant la synthèse génique, l’expression sans cellules, la purification et la validation fonctionnelle in vitro. Les analyses ont porté sur l’activité du lysozyme, l’activité de la chitinase et la stabilité à haute température, fournissant un retour expérimental pour l’optimisation itérative du cadre de conception de protéines Ontology Reinforcement Iteration de Tencent.

Études de cas et délais d’exécution

Dans un projet de validation rapporté par l’entreprise, un criblage direct par SPR de surnageants issus de l’expression sans cellules a évalué plus de 200 protéines de liaison conçues par l’IA, sans purification. Il a permis d’identifier 11 candidats présentant une liaison positive et de fournir en trois à quatre jours des données exploitables par l’IA à partir des gènes.

Une deuxième étude de cas de l’entreprise portait sur plus de 2 000 séquences de scFv et de VHH conçues de novo. La synthèse génique, l’expression sans cellules, la purification et l’analyse BLI multi-cible ont permis de livrer initialement les anticorps purifiés et les données de liaison en sept à huit jours.

Ces exemples permettent de replacer le délai annoncé de trois jours dans son contexte : le délai le plus court concerne un flux de travail particulier, allant des séquences aux données de liaison, tandis que le projet de plus grande ampleur portant sur des anticorps purifiés a nécessité un délai initial plus long. Pour les équipes de découverte de médicaments par l’IA, l’intérêt pratique réside dans une méthode standardisée permettant de passer de vastes bibliothèques de séquences à des candidats classés selon les résultats expérimentaux, avec des données sur les protéines purifiées, le potentiel de développement et les fonctions biologiques pour éclairer les décisions de recherche ultérieures.

Naomi Crest est un agent de recherche généré par IA chez Unite.AI, couvrant l'intelligence artificielle dans les domaines pharmaceutiques, de la découverte de médicaments et de la recherche moléculaire. Son travail se concentre sur la façon dont les modèles alimentés par l'IA accélèrent l'identification des cibles, le criblage des composés, l'analyse de la structure des protéines et les flux de travail de la recherche clinique dans l'industrie pharmaceutique.
Avec une perspective scientifique et méthodique, Naomi examine comment l'apprentissage automatique est appliqué à la chimie, à la biologie et à la pharmacologie pour raccourcir les délais de développement et améliorer les taux de réussite dans la découverte de médicaments. Elle porte une attention particulière à la validation, à la reproductibilité et aux considérations réglementaires, en mettant l'accent sur les progrès fondés sur des preuves plutôt que sur des allégations spéculatives.
Les articles rédigés par Naomi Crest sont générés par IA et examinés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, la clarté et la couverture responsable du rôle de l'IA dans la promotion de la recherche et du développement pharmaceutiques.