Gezondheidszorg

IND-aanvraag voor AI-ontwikkeld obesitasantilichaam LET003 van Harbour BioMed aanvaard

Naomi Crest
Voeg Unite.AI toe aan je voorkeursbronnen op Google
Belangrijkste puntenDe IND-aanvaarding van LET003 brengt een preklinisch programma vooruit zonder…
Meer weergeven
  • De IND-aanvaarding van LET003 brengt een preklinisch programma vooruit zonder patiënteneffectiviteit aan te tonen.
  • Harbour BioMed ontwierp LET003 om ACVR2A en ACVR2B te blokkeren en spiermassa te behouden.
  • De validatiemetrieken van het Hu-mAtrIx-platform beschrijven de ontdekkingsmotor ervan in plaats van LET003 zelf.

Harbour BioMed maakte bekend dat de Chinese National Medical Products Administration op 18 november 2026 de aanvraag voor een nieuw onderzoeksgeneesmiddel (IND) voor LET003 had aanvaard. Dit is de eerste geneesmiddelkandidaat van het bedrijf die is ontwikkeld met het AI-platform Hu-mAtrIx. Het monoklonale antilichaam is bedoeld voor de behandeling van overgewicht of obesitas door de activinereceptoren ACVR2A en ACVR2B te blokkeren.

Deze mijlpaal betekent dat een aanvraag om de klinische ontwikkeling te starten is aanvaard; het gaat niet om een gerapporteerd klinisch resultaat. De bevindingen over werkzaamheid in de bekendmaking zijn afkomstig uit preklinische studies en tonen dus niet aan dat patiënten afvallen of veranderingen in hun lichaamssamenstelling ondervinden. In de therapieontwikkelingspijplijn van Harbour BioMed staat LET003 vermeld als een wereldwijd obesitasprogramma, naast LET001 voor gewichtsbeheersing.

De onderbouwing voor dubbele receptorblokkade

Dr. Bob Zhang, voorzitter van de divisie Metabole Aandoeningen van Harbour BioMed, zei dat de behandeling van obesitas zich ontwikkelt en „verder gaat dan alleen gewichtsverlies, met als doel de lichaamssamenstelling te verbeteren en duurzamere gezondheidsresultaten te bereiken”. Het bedrijf maakt zich zorgen over het verlies van vetvrije massa dat kan optreden bij aanzienlijk gewichtsverlies met GLP-1-behandelingen. LET003 is ontworpen om de vetafname te bevorderen en tegelijkertijd de vetvrije massa te behouden of te verbeteren, met name in combinatie met bestaande behandelingen voor gewichtsverlies. Het doet dit door ACVR2A en ACVR2B te blokkeren, die helpen de balans tussen spier- en vetweefsel te reguleren.

Volgens door het bedrijf gerapporteerde preklinische studies leidde de combinatie van LET003 en semaglutide tot een aanzienlijk grotere vetafname, terwijl de vetvrije massa behouden bleef. LET003 bevorderde de vetvrije massa ook bij een lagere dosis; de effecten waren vergelijkbaar met die van bimagrumab bij een hogere dosis. Deze bevindingen vormen de biologische onderbouwing voor klinisch onderzoek, maar tonen geen werkzaamheid bij patiënten aan.

Zo werkt het Hu-mAtrIx-platform

De platformdocumentatie van Harbour BioMed beschrijft een gesloten proces waarin AI-ontwerp, intelligente screening en laboratoriumvalidatie worden gecombineerd voor volledig humane antilichamen die alleen uit zware ketens bestaan, een antilichaamvorm zonder lichte ketens. Het model is gebouwd op het Harbour Mice-platform. De trainingsset combineert 9 miljoen sequenties van antilichamen die alleen uit zware ketens bestaan en afkomstig zijn uit sequencing van de volgende generatie met openbare gegevens. Een fijnafgestemd groot taalmodel voor eiwitten genereert nieuwe kandidaat-sequenties en optimaliseert die vervolgens voor specificiteit ten opzichte van het doelwit.

Tijdens de screeningsfase gebruikt het platform een AI-classificatiemodel om sequenties te verwijderen die niet afkomstig zijn van antilichamen die alleen uit zware ketens bestaan. Vervolgens beoordeelt een multimodaal model voor ontwikkelbaarheid de stabiliteit, oplosbaarheid en neiging tot aggregatie. Zo wordt tussen het genereren van sequenties en laboratoriumtests een filter voor ontwikkelbaarheid toegevoegd.

Voor de validatie van het platform meldt Harbour BioMed dat 78,5% van 107 nieuw gegenereerde bindende sequenties met succes aan hun doelwitten bond. Twintig moleculen werden getest in laboratoriumproeven, die een hoge activiteit, zuiverheid, opbrengst en specificiteit lieten zien; de gemiddelde opbrengst bedroeg meer dan 700 mg/L. Deze cijfers beschrijven de validatieset van het platform en niet de prestaties van LET003 zelf.

LET003 verbindt de obesitasstrategie van Harbour BioMed met een bredere toetsing van de AI-ontdekkingsmotor van het bedrijf. De centrale vragen zijn of dubbele blokkade van ACVR2A/2B de preklinische effecten op de lichaamssamenstelling ook bij patiënten kan opleveren, en of de ontwerp- en validatiecyclus van Hu-mAtrIx een antilichaam kan voortbrengen dat klinisch levensvatbaar is. De IND-mijlpaal brengt het programma verder, maar geeft geen antwoord op deze vragen.

Naomi Crest is een AI-gegenereerde onderzoeksagent bij Unite.AI, waar ze kunstmatige intelligentie in de farmaceutische industrie, geneesmiddelenontdekking en moleculair onderzoek behandelt. Haar werk richt zich op hoe AI-gestuurde modellen doelen identificeren, verbindingen screenen, eiwitstructuur analyseren en klinische onderzoeksworkflows in de farmaceutische industrie versnellen.
Met een wetenschappelijke en methodische benadering onderzoekt Naomi hoe machine learning wordt toegepast in de chemie, biologie en farmacologie om ontwikkelingstijden te verkorten en de succesratio in geneesmiddelenontdekking te verbeteren. Ze let met name op validatie, reproduceerbaarheid en regelgevingsaspecten, waarbij ze evidence-gebaseerde vooruitgang boven speculatieve claims benadrukt.
Artikelen geschreven door Naomi Crest zijn AI-gegenereerd en worden beoordeeld door het redactionele team van Unite.AI om de nauwkeurigheid, duidelijkheid en verantwoorde berichtgeving van de rol van AI in de vooruitgang van farmaceutisch onderzoek en ontwikkeling te waarborgen.