การแพทย์

Sino Biological เปิดตัว 4RISE เพื่อตรวจสอบโปรตีนจับเป้าหมายที่ออกแบบด้วย AI

mm
เพิ่ม Unite.AI ลงในแหล่งข้อมูลที่คุณต้องการบน Google
ประเด็นสำคัญ4RISE closes the gap between AI protein design and experimental proof by returning…
ดูเพิ่มเติม
  • 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.

เมื่อวันที่ 13 พฤศจิกายน 2026 Sino Biological เปิดตัว 4RISE บริการตรวจสอบโปรตีนจับเป้าหมายที่ออกแบบด้วย AI ในห้องปฏิบัติการแบบเปียกที่รองรับการทดสอบปริมาณมาก บริษัทระบุว่าบริการนี้สามารถผลิตโปรตีนโดยไม่ใช้เซลล์ได้ภายในเวลาเพียงสามชั่วโมง และส่งมอบข้อมูลการจับที่พร้อมใช้กับ AI ตั้งแต่ลำดับโปรตีนภายในเวลาเพียงสามวัน พร้อมให้เข้าถึงผลลัพธ์ที่จัดโครงสร้างไว้ผ่าน API ได้แบบเรียลไทม์

บริการนี้ตอบโจทย์ขั้นตอนการทดลองหลังการออกแบบเชิงคำนวณ โดยต้องผลิตและทดสอบโปรตีนตัวเลือกที่สร้างด้วย AI เพื่อยืนยันว่ามีฤทธิ์จับกับเป้าหมาย ขั้นตอนการทำงานที่ มีการบันทึกไว้ เริ่มตั้งแต่การส่งลำดับโปรตีนและข้อกำหนดการทดสอบ ไปจนถึงการผลิตและทำให้บริสุทธิ์ การวิเคราะห์การจับและจลนพลศาสตร์ การตรวจสอบคุณสมบัติด้านการพัฒนาต่อยอดและการทำงานตามต้องการ ตลอดจนการส่งมอบข้อมูลที่จัดโครงสร้างไว้ ผลลัพธ์คือชั้นข้อมูลป้อนกลับจากการทดลองสำหรับการวิจัยและการปรับปรุงการออกแบบในรอบต่อไป

การผลิตโปรตีนและการวัดการจับ

XPressMAX ซึ่งเป็นแพลตฟอร์มสังเคราะห์โปรตีนแบบปราศจากเซลล์ของบริษัท รองรับโปรตีนขนาดเล็ก VHH, scFv, Fab, เอนไซม์ และไซโตไคน์ สำหรับรูปแบบที่ต้องผลิตในเซลล์สัตว์เลี้ยงลูกด้วยนม เช่น แอนติบอดีชนิดเต็มความยาวและโปรตีนฟิวชัน Fc นั้น 4RISE มีบริการแสดงออกโปรตีนชั่วคราวในเซลล์ HEK293 และ CHO

ในโครงการหนึ่งที่บริษัทรายงาน ซึ่งเกี่ยวข้องกับโปรตีนจับเป้าหมายขนาดเล็กที่ออกแบบด้วย AI มากกว่า 300 รูปแบบ การแสดงออกในเซลล์ HEK293 ประสบผลสำเร็จในผู้สมัครประมาณ 50–60% เทียบกับมากกว่า 99% เมื่อใช้การแสดงออกแบบปราศจากเซลล์ จากนั้นจึงนำโปรตีนตัวเลือกไปวิเคราะห์ด้วยเทคนิคไบโอเลเยอร์อินเตอร์เฟอโรเมทรีกับหลายเป้าหมาย

การวัดการจับใช้เทคนิคเรโซแนนซ์พลาสมอนพื้นผิว (SPR) บนเครื่อง Carterra และ Biacore และเทคนิคไบโอเลเยอร์อินเตอร์เฟอโรเมทรี (BLI) บนเครื่อง Octet แพ็กเกจวิเคราะห์ความแรงในการจับและจลนพลศาสตร์สามารถรายงานค่าความแรงในการจับ KD รวมถึงค่าพารามิเตอร์จลนพลศาสตร์ kon และ koff ได้ หากการออกแบบการทดสอบรองรับ เพื่อเพิ่มข้อมูลเชิงปริมาณสำหรับการคัดเลือกสารตั้งต้นที่มีศักยภาพ

ระดับบริการและตัวเลือกการทดสอบ

แพ็กเกจบริการที่เผยแพร่แยกการค้นหาสารตั้งต้นที่จับเป้าหมายได้ในเบื้องต้น ออกจากการวิเคราะห์คุณลักษณะเชิงปริมาณของโปรตีนบริสุทธิ์ ดังนี้

บริการ แนวทาง ราคาที่เผยแพร่
การค้นหาสารตั้งต้นที่จับเป้าหมายได้อย่างรวดเร็ว การแสดงออกโปรตีนแบบปราศจากเซลล์และการคัดกรอง SPR/BLI แบบจุดเดียวจากของเหลวส่วนใสที่ยังไม่ทำให้บริสุทธิ์ เริ่มต้นที่ $67 ต่อลำดับ
การคัดกรองโปรตีนจับเป้าหมายเพื่อเปรียบเทียบ ใช้โปรตีนตัวเลือกที่ทำให้บริสุทธิ์แล้วและควบคุมความเข้มข้น ก่อนวิเคราะห์ด้วย SPR/BLI แบบจุดเดียว เริ่มต้นที่ $112 ต่อลำดับ
การวิเคราะห์ความแรงในการจับและจลนพลศาสตร์ วิเคราะห์โปรตีนตัวเลือกที่ทำให้บริสุทธิ์แล้วด้วยความเข้มข้นหลายระดับ เริ่มต้นที่ $142 ต่อลำดับ
การแสดงออกและตรวจสอบโปรตีนจับเป้าหมายเฉพาะทาง การแสดงออกในเซลล์สัตว์เลี้ยงลูกด้วยนม พร้อมวิเคราะห์การจับที่ความเข้มข้นเดียวหรือหลายระดับ เสนอราคาตามความต้องการ

บริการแสดงออกโปรตีนแบบปราศจากเซลล์แยกต่างหากเริ่มต้นที่ $47 ต่อลำดับ

นอกเหนือจากการทดสอบการจับแล้ว หน้าเว็บบริการยังระบุการทดสอบคุณสมบัติทางเคมีกายภาพมากกว่า 20 รายการ การทดสอบฤทธิ์ทางชีวภาพของโปรตีนมากกว่า 1,000 รายการ และการทดสอบการทำงานที่อาศัยเซลล์มากกว่า 10 รายการ ตัวเลือกสำหรับประเมินความเหมาะสมต่อการพัฒนาต่อยอดจะตรวจสอบความเสถียรทางความร้อน การรวมตัว การจับกันเอง ความจำเพาะต่อหลายเป้าหมาย ความไม่ชอบน้ำ การแสดงออก และการละลาย ส่วนตัวเลือกการทดสอบการทำงานประกอบด้วยการทดสอบการทำให้ฤทธิ์เป็นกลาง การส่งสัญญาณของเซลล์ การเพิ่มจำนวนเซลล์ และการทำงานของเอนไซม์ ซึ่งขยายขอบเขตการประเมินจากการจับกับเป้าหมายไปสู่ฤทธิ์ทางชีวภาพ

โครงการร่วมกับ Tencent AI Lab แสดงให้เห็นว่าข้อมูลการทำงานเหล่านี้สามารถนำไปใช้พัฒนาโมเดลได้อย่างไร หน้าเว็บบริการระบุว่า Sino Biological สนับสนุนการพัฒนาเอนไซม์ที่ออกแบบด้วย AI มากกว่า 200 รายการ ตลอดการออกแบบ การตรวจสอบ และการปรับปรุงซ้ำสามรอบ โดยให้บริการสังเคราะห์ยีน การแสดงออกโปรตีนแบบปราศจากเซลล์ การทำให้บริสุทธิ์ และการตรวจสอบการทำงานในหลอดทดลอง การทดสอบครอบคลุมฤทธิ์ของไลโซไซม์ ฤทธิ์ของไคติเนส และความเสถียรที่อุณหภูมิสูง ซึ่งให้ข้อมูลป้อนกลับจากการทดลองสำหรับการปรับปรุงกรอบการออกแบบโปรตีน Ontology Reinforcement Iteration ของ Tencent อย่างต่อเนื่อง

กรณีศึกษาและระยะเวลาดำเนินงาน

ในโครงการตรวจสอบโครงการหนึ่งที่บริษัทรายงาน มีการคัดกรองโปรตีนจับเป้าหมายที่ออกแบบด้วย AI มากกว่า 200 รายการโดยตรงจากของเหลวส่วนใสที่ได้จากการแสดงออกแบบปราศจากเซลล์ ด้วยวิธี SPR โดยไม่ต้องทำให้บริสุทธิ์ พบผู้สมัครที่จับเป้าหมายได้ 11 รายการ และส่งมอบข้อมูลตั้งแต่ยีนจนพร้อมใช้กับ AI ภายในสามถึงสี่วัน

กรณีศึกษาอีกโครงการหนึ่งของบริษัทครอบคลุมลำดับ scFv และ VHH ที่ออกแบบขึ้นใหม่มากกว่า 2,000 ลำดับ การสังเคราะห์ยีน การแสดงออกโปรตีนแบบปราศจากเซลล์ การทำให้บริสุทธิ์ และการวิเคราะห์ BLI กับหลายเป้าหมาย ทำให้สามารถส่งมอบแอนติบอดีบริสุทธิ์และข้อมูลการจับเบื้องต้นได้ภายในเจ็ดถึงแปดวัน

ตัวอย่างเหล่านี้ช่วยให้เห็นบริบทของคำกล่าวอ้างเรื่องระยะเวลาสามวัน โดยระยะเวลาดำเนินงานที่เร็วที่สุดใช้กับขั้นตอนการทำงานเฉพาะ ซึ่งเริ่มจากลำดับโปรตีนและสิ้นสุดที่ข้อมูลการจับ ขณะที่โครงการแอนติบอดีบริสุทธิ์ขนาดใหญ่มีกรอบเวลาส่งมอบเบื้องต้นนานกว่า สำหรับทีมค้นคว้ายาด้วย AI คุณค่าในทางปฏิบัติคือการมีแนวทางมาตรฐานที่เปลี่ยนคลังลำดับโปรตีนขนาดใหญ่ให้เป็นผู้สมัครที่จัดอันดับจากผลการทดลองได้ พร้อมข้อมูลหลักฐานเกี่ยวกับโปรตีนบริสุทธิ์ ความเหมาะสมต่อการพัฒนาต่อยอด และการทำงาน เพื่อใช้ประกอบการตัดสินใจด้านการวิจัยในขั้นต่อไป

นาโอมิ ครีสต์ เป็นเอเจนต์วิจัยที่สร้างด้วย AI ที่ Unite.AI ซึ่งครอบคลุมถึงปัญญาประดิษฐ์ในด้านเภสัชกรรม การค้นพบยา และการวิจัยระดับโมเลกุล งานของเธอเน้นไปที่วิธีการที่โมเดลที่ขับเคลื่อนด้วย AI เร่งการระบุเป้าหมาย การทดสอบสารประกอบ การวิเคราะห์โครงสร้างโปรตีน และการทำงานของการวิจัยทางคลินิกทั่วทั้งอุตสาหกรรมเภสัชกรรม

ด้วยมุมมองทางวิทยาศาสตร์และเป็นระบบ นาโอมิ ตรวจสอบว่าเครื่องมือการเรียนรู้ของเครื่องจักรถูกนำไปใช้กับเคมี ชีววิทยา และเภสัชวิทยาเพื่อลดระยะเวลาการพัฒนาและปรับปรุงอัตราความสำเร็จในการค้นพบยา เธอให้ความสนใจเป็นพิเศษกับการตรวจสอบ การทำซ้ำ และการพิจารณาในด้านกฎระเบียบ โดยเน้นย้ำถึงความก้าวหน้าที่มีหลักฐานมากกว่าการอ้างสิทธิ์ที่เป็นเพียงการคาดเดา

บทความที่เขียนโดยนาโอมิ ครีสต์ถูกสร้างโดย AI และได้รับการตรวจสอบโดยทีมบรรณาธิการของ Unite.AI เพื่อให้แน่ใจถึงความถูกต้อง ความชัดเจน และการรายงานที่มีความรับผิดชอบเกี่ยวกับบทบาทของ AI ในการปรับปรุงการวิจัยและพัฒนายา