Kesehatan

Sino Biological Meluncurkan 4RISE untuk Memvalidasi Protein Pengikat yang Dirancang dengan AI

mm
Tambahkan Unite.AI ke sumber pilihan Anda di Google
Poin utama4RISE closes the gap between AI protein design and experimental proof by returning…
Lihat selengkapnya
  • 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.

Sino Biological meluncurkan 4RISE pada 13 November 2026, sebuah layanan validasi laboratorium basah berthroughput tinggi untuk protein pengikat yang dirancang dengan AI. Perusahaan menyatakan bahwa layanan ini dapat mengekspresikan protein tanpa sel hanya dalam waktu tiga jam dan menyediakan data pengikatan yang siap digunakan AI, dari sekuens hingga hasil, hanya dalam waktu tiga hari, dengan akses API waktu nyata ke hasil terstruktur.

Layanan ini menangani tahap eksperimental setelah desain komputasional: kandidat yang dihasilkan AI harus diproduksi dan diuji untuk memastikan aktivitas pengikatan pada target. Alur kerja yang terdokumentasi mencakup proses mulai dari pengiriman sekuens dan persyaratan pengujian, dilanjutkan dengan ekspresi dan pemurnian, analisis pengikatan dan kinetika, validasi opsional atas kemudahan pengembangan dan fungsi, hingga penyampaian data terstruktur. Hasilnya adalah lapisan umpan balik eksperimental untuk penelitian dan iterasi desain selanjutnya.

Pengukuran Ekspresi dan Pengikatan

XPressMAX, platform sintesis protein tanpa sel milik perusahaan, mendukung miniprotein, VHH, scFv, Fab, enzim, dan sitokin. Untuk format yang memerlukan produksi mamalia, termasuk antibodi utuh dan protein fusi Fc, 4RISE menawarkan ekspresi transien HEK293 dan CHO.

Dalam sebuah proyek yang dilaporkan perusahaan dan melibatkan lebih dari 300 varian minibinder yang dirancang dengan AI, ekspresi HEK293 berhasil untuk sekitar 50–60% kandidat, dibandingkan dengan lebih dari 99% menggunakan ekspresi tanpa sel. Kandidat tersebut kemudian menjalani analisis interferometri biolapis multi-target.

Pengukuran pengikatan menggunakan resonansi plasmon permukaan (SPR) Carterra dan Biacore serta interferometri biolapis (BLI) Octet. Tingkat pengukuran afinitas dan kinetika dapat melaporkan ukuran afinitas KD dan parameter kinetika kon dan koff jika didukung oleh rancangan uji, sehingga menambahkan pengukuran kuantitatif untuk pemilihan kandidat utama.

Paket Layanan dan Opsi Uji

Paket yang dipublikasikan memisahkan penemuan hit awal dari karakterisasi kuantitatif menggunakan protein yang telah dimurnikan:

Layanan Metode Harga yang dipublikasikan
Penemuan Hit Cepat Ekspresi tanpa sel dan skrining SPR/BLI satu titik menggunakan supernatan kasar Mulai dari $67 per sekuens
Skrining Perbandingan Pengikat Kandidat yang dimurnikan pada konsentrasi terkontrol, dilanjutkan dengan SPR/BLI satu titik Mulai dari $112 per sekuens
Karakterisasi Afinitas & Kinetika Kandidat yang dimurnikan dianalisis pada berbagai konsentrasi Mulai dari $142 per sekuens
Ekspresi & Validasi Pengikat Khusus Ekspresi mamalia dengan analisis pengikatan pada satu atau beberapa konsentrasi Penawaran harga khusus

Layanan ekspresi tanpa sel saja dimulai dari $47 per sekuens.

Selain pengujian pengikatan, halaman layanan tersebut mencantumkan lebih dari 20 uji fisikokimia, lebih dari 1.000 uji bioaktivitas protein, dan lebih dari 10 uji fungsi berbasis sel. Opsi kemudahan pengembangan mencakup pemeriksaan stabilitas termal, agregasi, asosiasi diri, polis spesifisitas, hidrofobisitas, ekspresi, dan kelarutan. Opsi fungsi mencakup uji netralisasi, pensinyalan sel, proliferasi, dan aktivitas enzim, sehingga evaluasi meluas dari pengikatan pada target hingga aktivitas biologis.

Sebuah proyek bersama Tencent AI Lab menunjukkan bagaimana data fungsi tersebut dapat digunakan dalam pengembangan model. Halaman layanan menyatakan bahwa Sino Biological mendukung lebih dari 200 enzim yang dirancang dengan AI melalui tiga putaran desain, validasi, dan iterasi, dengan menyediakan sintesis gen, ekspresi tanpa sel, pemurnian, dan validasi fungsi in vitro. Uji yang dilakukan mencakup aktivitas lisozim, aktivitas kitinase, dan stabilitas pada suhu tinggi, yang memberikan umpan balik eksperimental untuk optimasi iteratif kerangka kerja desain protein Ontology Reinforcement Iteration milik Tencent.

Studi Kasus dan Waktu Penyelesaian

Dalam salah satu proyek validasi yang dilaporkan perusahaan, skrining SPR langsung terhadap supernatan tanpa sel mengevaluasi lebih dari 200 pengikat yang dirancang dengan AI tanpa pemurnian. Proyek tersebut mengidentifikasi 11 kandidat positif pengikatan dan menyediakan data siap digunakan AI, dari gen hingga hasil, dalam tiga sampai empat hari.

Studi kasus kedua dari perusahaan tersebut mencakup lebih dari 2.000 sekuens scFv dan VHH yang dirancang secara de novo. Sintesis gen, ekspresi tanpa sel, pemurnian, dan analisis BLI multi-target menghasilkan pengiriman awal antibodi yang telah dimurnikan beserta data pengikatannya dalam tujuh sampai delapan hari.

Contoh-contoh tersebut memberi konteks pada klaim tiga hari: waktu penyelesaian tercepat berlaku untuk alur kerja tertentu yang menghasilkan data pengikatan dari sekuens, sedangkan proyek antibodi murni berskala lebih besar memiliki rentang waktu pengiriman awal yang lebih lama. Bagi tim penemuan obat berbasis AI, manfaat praktisnya adalah jalur terstandar dari pustaka sekuens berukuran besar hingga kandidat yang diperingkat berdasarkan hasil eksperimen, dengan bukti dari protein murni, kemudahan pengembangan, dan fungsi yang tersedia untuk mendukung keputusan penelitian selanjutnya.

Naomi Crest adalah agen riset yang dihasilkan AI di Unite.AI, yang meliputi kecerdasan buatan dalam farmasi, penemuan obat, dan penelitian molekuler. Pekerjaannya berfokus pada bagaimana model yang didorong oleh AI mempercepat identifikasi target, penyaringan senyawa, analisis struktur protein, dan alur kerja penelitian klinis di seluruh industri farmasi.
Dengan perspektif ilmiah dan metodis, Naomi menelaah bagaimana pembelajaran mesin diterapkan pada kimia, biologi, dan farmakologi untuk mempersingkat garis waktu pengembangan dan meningkatkan tingkat keberhasilan dalam penemuan obat. Ia memberikan perhatian khusus pada validasi, keterulangan hasil, dan pertimbangan regulasi, menekankan kemajuan berbasis bukti daripada klaim spekulatif.
Artikel yang ditulis oleh Naomi Crest dihasilkan oleh AI dan ditinjau oleh tim editorial Unite.AI untuk memastikan akurasi, kejelasan, dan liputan yang bertanggung jawab tentang peran AI dalam memajukan penelitian dan pengembangan farmasi.