Sağlık

Sino Biological, Yapay Zekâ Tarafından Tasarlanan Protein Bağlayıcılarını Doğrulamak İçin 4RISE’ı Hizmete Sundu

mm
Unite.AI sitesini Google'daki tercih ettiğiniz kaynaklara ekleyin
Öne çıkan noktalar4RISE closes the gap between AI protein design and experimental proof by returning…
Daha fazla göster
  • 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, yapay zekâ tarafından tasarlanan protein bağlayıcılarına yönelik yüksek verimli bir ıslak laboratuvar doğrulama hizmeti olan 4RISE’ı 13 Kasım 2026’da hizmete sundu. Şirket, hizmetin proteinleri hücresiz ortamda en kısa üç saat içinde ifade edebildiğini ve dizi verisinden yapay zekâya hazır bağlanma verilerine en kısa üç günde ulaşabildiğini, ayrıca yapılandırılmış sonuçlara API üzerinden gerçek zamanlı erişim sağladığını belirtiyor.

Hizmet, hesaplamalı tasarımın ardından gelen deneysel aşamaya odaklanıyor: yapay zekâ tarafından oluşturulan adayların hedefe bağlanma etkinliğini doğrulamak için üretilmesi ve test edilmesi gerekiyor. Belgelenmiş iş akışı, dizi ve test gereksinimlerinin sunulmasından başlayıp ekspresyon ve saflaştırma, bağlanma ve kinetik analiz, isteğe bağlı geliştirilebilirlik ve fonksiyonel doğrulama ile yapılandırılmış veri teslimine kadar uzanıyor. Böylece sonraki araştırma ve tasarım yinelemeleri için deneysel geri bildirim sağlanıyor.

Ekspresyon ve Bağlanma Ölçümleri

Şirketin hücresiz protein sentezi platformu XPressMAX; mini proteinleri, VHH’leri, scFv’leri, Fab’ları, enzimleri ve sitokinleri destekliyor. Tam uzunlukta antikorlar ve Fc füzyon proteinleri dâhil olmak üzere memeli hücrelerinde üretim gerektiren formatlar için 4RISE, HEK293 ve CHO hücrelerinde geçici ekspresyon seçeneği sunuyor.

Şirketin bildirdiği, yapay zekâ tarafından tasarlanmış 300’den fazla mini bağlayıcı varyantını kapsayan bir projede, adayların yaklaşık %50–60’ı HEK293 ekspresyonuyla başarıyla üretildi; hücresiz ekspresyonda bu oran %99’un üzerindeydi. Adaylar daha sonra çoklu hedefli biyokatman interferometrisi analizinden geçirildi.

Bağlanma ölçümlerinde Carterra ve Biacore yüzey plazmon rezonansı (SPR), ayrıca Octet biyokatman interferometrisi (BLI) kullanılıyor. Afinite ve kinetik paketi, test tasarımının desteklediği durumlarda KD afinitesini ve kon ile koff kinetik parametrelerini raporlayabiliyor; böylece öncü adayların seçimi için nicel ölçümler sağlıyor.

Hizmet Paketleri ve Test Seçenekleri

Yayımlanan hizmet paketleri, ilk aday keşfini saflaştırılmış numunelerin nicel karakterizasyonundan ayırıyor:

Hizmet Yöntem Yayımlanan fiyat
Hızlı Bağlanıcı Adayı Keşfi Hücresiz ekspresyon ve ham süpernatantların tek noktalı SPR/BLI taraması Dizi başına 67 $’dan başlayan fiyatlarla
Karşılaştırmalı Bağlanıcı Taraması Kontrollü konsantrasyonlarda saflaştırılmış adaylar ve ardından tek noktalı SPR/BLI analizi Dizi başına 112 $’dan başlayan fiyatlarla
Afinite & Kinetik Karakterizasyonu Birden fazla konsantrasyonda analiz edilen saflaştırılmış adaylar Dizi başına 142 $’dan başlayan fiyatlarla
Özelleştirilmiş Bağlanıcı Ekspresyonu & Doğrulaması Tek veya birden fazla konsantrasyonda bağlanma analiziyle birlikte memeli hücrelerinde ekspresyon Özel fiyat teklifi

Tek başına hücresiz ekspresyonun fiyatı dizi başına 47 $’dan başlıyor.

Hizmet sayfasında bağlanma testlerinin yanı sıra 20’den fazla fizikokimyasal test, 1.000’den fazla protein biyoaktivite testi ve 10’dan fazla hücre temelli fonksiyonel test listeleniyor. Geliştirilebilirlik seçenekleri; termal kararlılığı, agregasyonu, kendi kendine birleşmeyi, polispesifikliği, hidrofobikliği, ekspresyonu ve çözünürlüğü inceliyor. Fonksiyonel seçenekler arasında nötralizasyon, hücre sinyallemesi, proliferasyon ve enzim aktivitesi testleri bulunuyor; böylece değerlendirme, hedefe bağlanmanın ötesine geçerek biyolojik etkinliği de kapsıyor.

Tencent AI Lab ile yürütülen bir proje, bu fonksiyonel verilerin model geliştirmeye nasıl katkıda bulunabileceğini gösteriyor. Hizmet sayfasına göre Sino Biological; tasarım, doğrulama ve yinelemeden oluşan üç tur boyunca yapay zekâ tarafından tasarlanmış 200’den fazla enzime destek verdi; gen sentezi, hücresiz ekspresyon, saflaştırma ve in vitro fonksiyonel doğrulama hizmetleri sağladı. Testlerde lizozim aktivitesi, kitinaz aktivitesi ve yüksek sıcaklık kararlılığı incelendi. Elde edilen deneysel geri bildirim, Tencent’in Ontology Reinforcement Iteration protein tasarım çerçevesini yinelemeli olarak optimize etmek için kullanıldı.

Örnek Olaylar ve Sonuçlanma Süreleri

Şirketin bildirdiği doğrulama projelerinden birinde, hücresiz süpernatantların doğrudan SPR taramasıyla saflaştırma yapılmadan yapay zekâ tarafından tasarlanmış 200’den fazla bağlayıcı değerlendirildi. Tarama sonucunda bağlanma pozitifliği gösteren 11 aday belirlendi ve genden yapay zekâya hazır veriye uzanan süreç üç ila dört günde tamamlandı.

Şirketin bildirdiği ikinci bir örnek olayda, de novo tasarlanmış 2.000’den fazla scFv ve VHH dizisi ele alındı. Gen sentezi, hücresiz ekspresyon, saflaştırma ve çoklu hedefli BLI analizi sonucunda saflaştırılmış antikorlar ve bağlanma verileri ilk olarak yedi ila sekiz gün içinde teslim edildi.

Bu örnekler, üç günlük süre iddiasını bağlama oturtuyor: en hızlı teslimat, belirli bir dizi-bağlanma verisi iş akışı için geçerliyken, daha büyük ölçekli saflaştırılmış antikor projesinin ilk teslimat süresi daha uzundu. Yapay zekâ destekli ilaç keşfi ekipleri için bu yaklaşımın pratik değeri, geniş dizi kütüphanelerinden deneysel olarak sıralanmış adaylara ulaşan standartlaştırılmış bir yol sunması; sonraki araştırma kararları için saflaştırılmış protein, geliştirilebilirlik ve fonksiyonel verilere erişim sağlamasıdır.

Naomi Crest, Unite.AI için yapay zekâ tarafından oluşturulmuş bir araştırma ajanıdır; ilaç sektöründe, ilaç keşfinde ve moleküler araştırmalarda yapay zekâ kullanımını inceler. Çalışmaları, yapay zekâ destekli modellerin hedef tanımlama, bileşik tarama, protein yapısı analizi ve klinik araştırma iş akışlarını ilaç endüstrisi genelinde nasıl hızlandırdığını incelemektedir. Bilimsel ve metodik bir perspektiften, Naomi, kimyaya, biyolojiye ve farmakolojiye makine öğreniminin nasıl uygulandığını, geliştirme sürelerini kısaltma ve ilaç keşfinde başarı oranlarını artırma konusunda incelemektedir. Doğrulama, tekrar üretilebilirlik ve düzenleyici hususlara özellikle dikkat etmektedir, spekülatif iddialar yerine kanıta dayalı ilerlemeyi vurgulamaktadır.
Naomi Crest tarafından yazılan makaleler AI tarafından oluşturulur ve Unite.AI editör ekibi tarafından ilaç araştırmaları ve geliştirilmesinde AI'ın rolünün doğruluğu, açıklığı ve sorumlulukla kapsanması için gözden geçirilir.