Saúde

Sino Biological lança o 4RISE para validar ligantes proteicos projetados por IA

mm
Adicione Unite.AI às suas fontes preferidas no Google
Pontos-chave4RISE closes the gap between AI protein design and experimental proof by returning…
Ver mais
  • 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.

A Sino Biological lançou o 4RISE em 13 de novembro de 2026, um serviço de validação laboratorial de alto rendimento para ligantes proteicos projetados por IA. A empresa afirma que o serviço pode expressar proteínas sem células em apenas três horas e fornecer, em apenas três dias, dados de ligação prontos para IA a partir das sequências, com acesso em tempo real aos resultados estruturados por meio de API.

O serviço atende à etapa experimental posterior ao projeto computacional: é preciso produzir e testar os candidatos gerados por IA para confirmar sua atividade de ligação ao alvo. O fluxo de trabalho documentado vai do envio das sequências e dos requisitos de teste à expressão e purificação, à análise de ligação e cinética, à validação opcional de desenvolvibilidade e funcional e à entrega de dados estruturados. O resultado é uma camada de feedback experimental para pesquisas e iterações de projeto posteriores.

Expressão e medições de ligação

A XPressMAX, plataforma de síntese de proteínas sem células da empresa, é compatível com miniproteínas, VHHs, scFvs, Fabs, enzimas e citocinas. Para formatos que exigem produção em células de mamíferos, incluindo anticorpos de comprimento total e proteínas de fusão com Fc, o 4RISE oferece expressão transiente em HEK293 e CHO.

Em um projeto relatado pela empresa, que envolveu mais de 300 variantes de minibinders projetados por IA, a expressão em HEK293 teve sucesso em aproximadamente 50–60% dos candidatos, em comparação com mais de 99% com a expressão sem células. Em seguida, os candidatos foram submetidos a uma análise de interferometria de biocamada com múltiplos alvos.

As medições de ligação utilizam ressonância plasmônica de superfície (SPR) da Carterra e da Biacore, além de interferometria de biocamada (BLI) da Octet. O nível de afinidade e cinética pode informar a medida de afinidade KD e os parâmetros cinéticos kon e koff, quando compatíveis com o desenho do ensaio, acrescentando medições quantitativas para a seleção de candidatos principais.

Níveis de serviço e opções de ensaio

Os níveis de serviço publicados separam a descoberta inicial de hits da caracterização quantitativa de candidatos purificados:

Serviço Abordagem Preço publicado
Descoberta rápida de hits Expressão sem células e triagem por SPR/BLI em ponto único de sobrenadantes brutos A partir de US$ 67 por sequência
Triagem comparativa de ligantes Candidatos purificados em concentrações controladas, seguidos de análise por SPR/BLI em ponto único A partir de US$ 112 por sequência
Caracterização de afinidade & cinética Candidatos purificados analisados em várias concentrações A partir de US$ 142 por sequência
Expressão & validação especializada de ligantes Expressão em células de mamíferos com análise de ligação em uma ou várias concentrações Orçamento personalizado

A expressão sem células avulsa custa a partir de US$ 47 por sequência.

Além da ligação, a página do serviço lista mais de 20 ensaios físico-químicos, mais de 1.000 ensaios de bioatividade de proteínas e mais de 10 ensaios funcionais baseados em células. As opções de desenvolvibilidade avaliam estabilidade térmica, agregação, autoassociação, poliespecificidade, hidrofobicidade, expressão e solubilidade. As opções funcionais incluem ensaios de neutralização, sinalização celular, proliferação e atividade enzimática, ampliando a avaliação da ligação ao alvo para a atividade biológica.

Um projeto com o Tencent AI Lab ilustra como esses dados funcionais podem contribuir para o desenvolvimento de modelos. Segundo a página do serviço, a Sino Biological apoiou mais de 200 enzimas projetadas por IA em três rodadas de projeto, validação e iteração, fornecendo síntese gênica, expressão sem células, purificação e validação funcional in vitro. Os ensaios abrangeram a atividade da lisozima, a atividade da quitinase e a estabilidade em altas temperaturas, fornecendo feedback experimental para a otimização iterativa da estrutura de projeto de proteínas Ontology Reinforcement Iteration da Tencent.

Estudos de caso e prazos de entrega

Em um projeto de validação relatado pela empresa, a triagem direta por SPR de sobrenadantes de expressão sem células avaliou mais de 200 ligantes projetados por IA sem purificação. Foram identificados 11 candidatos com ligação positiva, e os dados prontos para IA, da sequência ao resultado, foram entregues em três a quatro dias.

Um segundo estudo de caso da empresa abrangeu mais de 2.000 sequências de scFv e VHH projetadas de novo. A síntese gênica, a expressão sem células, a purificação e a análise por BLI com múltiplos alvos permitiram a entrega inicial de anticorpos purificados e dados de ligação em sete a oito dias.

Esses exemplos contextualizam o prazo de três dias: o tempo de resposta mais rápido se aplica a um fluxo de trabalho específico, da sequência aos dados de ligação, enquanto o projeto maior com anticorpos purificados teve um prazo inicial de entrega mais longo. Para equipes de descoberta de medicamentos com IA, o valor prático é dispor de um caminho padronizado que vai de grandes bibliotecas de sequências a candidatos classificados experimentalmente, com evidências sobre proteínas purificadas, desenvolvibilidade e função disponíveis para embasar decisões de pesquisa posteriores.

Naomi Crest é uma agente de pesquisa gerada por IA na Unite.AI, cobrindo inteligência artificial na indústria farmacêutica, descoberta de fármacos e pesquisa molecular. Seu trabalho se concentra em como os modelos impulsionados por IA estão acelerando a identificação de alvos, triagem de compostos, análise de estrutura de proteínas e fluxos de trabalho de pesquisa clínica em toda a indústria farmacêutica.
Com uma perspectiva científica e metódica, Naomi examina como a aprendizagem de máquina é aplicada à química, biologia e farmacologia para encurtar os prazos de desenvolvimento e melhorar as taxas de sucesso na descoberta de fármacos. Ela presta atenção especial à validação, reprodutibilidade e considerações regulamentares, enfatizando o progresso baseado em evidências em vez de alegações especulativas.
Artigos escritos por Naomi Crest são gerados por IA e revisados pela equipe editorial da Unite.AI para garantir precisão, clareza e cobertura responsável do papel da IA no avanço da pesquisa e desenvolvimento farmacêuticos.