UCB, Antikor Keşif Projelerine Cradle’ın Yapay Zekâ Platformunu Ekliyor

Cradle ve UCB, 4 Kasım 2026’da Cradle’ın yapay zekâ destekli protein tasarım ve mühendislik platformunu, hit oluşturmadan öncü bileşik optimizasyonuna ve klinik öncesi aşamaya hazır olmaya kadar seçili UCB antikor keşif projelerinde kullanmak üzere stratejik bir iş birliği duyurdu.

İş birliği, Cradle’ın uçtan uca sistemini UCB’nin büyüyen dijital antikor keşfi ve mühendisliği programına ekliyor. Bu program, UCB’nin mevcut antikor keşif platformunu hesaplamalı bilim, hastalık biyolojisi uzmanlığı ve teknoloji ve araştırma ortaklarından oluşan bir ağla bir araya getiriyor. UCB, hastaların hâlâ daha iyi tedavi seçeneklerine ihtiyaç duyduğu hastalıklar için yüksek kaliteli adayları daha hızlı belirlemeyi ve optimize etmeyi amaçlıyor.

Deney Sonuçları Proje Modellerini Yeniden Eğitiyor

UCB bilim insanları platformu kullandıkça deney sonuçları, programa özgü modellere geri aktarılacak. Şirketler, ortaya çıkan bu döngüyü, giderek güçlenen bir öğrenme döngüsü ya da “laboratuvarın döngüye dâhil olduğu” bir süreç olarak tanımlıyor: laboratuvardan elde edilen her kanıt turu, bir sonraki tasarım grubuna yön veriyor. Bilim insanları adayları optimize ederken ve potansiyel bir aday olma yolunda kaydedilen ilerlemeyi değerlendirirken uzmanlıklarını ve mesleki muhakemelerini kullanmayı sürdürüyor.

Cradle’ın platform belgeleri, temel iş akışını açıklıyor. Test verileri, tek bir proteinin uygunluk alanı üzerinde bir modeli eğitiyor. Bir plakadan yüklenen sonuçlar (Cradle’ın ürettiği varyantlar, ekibin rasyonel tasarımları ya da bunların bir karışımı) sonraki turdan önce modeli yeniden eğitiyor. İlk aşamadaki hit oluşturma için bir proje, test verisi olmadan tek bir diziden veya görüntüleme ya da seçilim kampanyasından elde edilen NGS zenginleştirme sayımları gibi gürültülü bir tarama havuzundan başlayabiliyor.

Çok Özellikli Antikor Tasarımı

Cradle’ın antikor belgeleri, optimizasyon hedeflerini bağlanma, kararlılık, üretilebilirlik, immünojenisite ve geliştirilebilirlik başlıkları altında topluyor. Ölçülebilir hedefler arasında özgüllük ve çapraz reaktivite, ısıl kararlılık ve agregasyon, ekspresyon verimi, T hücresi epitopu riski ve deamidasyon ya da oksidasyon gibi sorunlar yer alabiliyor. Bu çerçeve, adayların başarı için gereken özelliklerin tümü bakımından optimize edilmesi yönündeki duyuruda belirtilen gerekliliği somutlaştırıyor.

Kullanıcılar, birincil hedef ve kısıtlamalardan oluşan bir hedef aday profili tanımlıyor. Cradle’a göre platform, belirtilen özellikleri paralel olarak optimize ediyor, ödünleşimleri yönetiyor, bir test yapılmadan önce her hedefe ulaşma olasılığını tahmin ediyor ve gerçekçi olmayan hedefleri işaretliyor. Aday plakası, sentez ve test masraflarına girilmeden önce eğitilmiş modele göre de puanlanabiliyor; bu işlem beklenen hit oranını, her hedef için puan dağılımlarını ve kalan iyileştirme payına ilişkin bir tahmini ortaya koyuyor. Bu öngörüler, bir turun başlatılması, yeniden tasarlanması ya da durdurulması kararlarını destekliyor.

Sisteme, bilim insanlarına yönelik kod gerektirmeyen bir web uygulaması ve hesaplamalı ekipler için bir API üzerinden erişilebiliyor. Araştırma ekipleri varyantları inceleyebiliyor, mutasyonları karşılaştırabiliyor ve kendi tasarımlarını aynı plakada Cradle tarafından oluşturulan adayların yanına ekleyebiliyor. Bu harici tasarımlar da aynı ölçütlerle puanlanıyor ve sonraki turlar için eğitim verisine dönüşüyor; böylece bilim insanlarının kendi hipotezlerinin modeli etkilemesinin önü açık tutuluyor.

Yöneticiler, Bilim İnsanlarının Öncülük Ettiği Keşfi Vurguluyor

UCB’nin Bilimsel İşlerden Sorumlu Başkanı Alistair Henry, yapay zekânın kendi başına bir amaç olarak görülmek yerine biyoloji, kimya ve translasyonel araştırma alanlarında insan uzmanlığını desteklemesi gereken bir “bilimsel güç çarpanı” olduğunu söyledi. Öngörücü modellemeyi laboratuvar doğrulamasıyla birleştirmenin daha iyi moleküller tasarlamaya, öğrenme sürecini hızlandırmaya ve yüksek kaliteli tedavileri hastalara daha erken ulaştırmaya yardımcı olabileceğini belirtti.

Cradle’ın CEO’su ve kurucu ortağı Stef van Grieken, yapay zekânın biyolojik ürünlerin araştırma ve geliştirilmesinde en büyük etkiyi, tek tek deneylerin veya programların ötesine geçip bilim insanlarının bir keşif kuruluşu genelinde çalışma biçiminin parçası olduğunda yaratacağını söyledi. Bu vizyon doğrultusunda UCB bilim insanları, şirketin biyoterapötik ürün geliştirme hattında daha fazla program, tedavi biçimi ve karmaşık mühendislik sorununda kullanabilecekleri ortak bir platforma kavuşuyor; ancak resmî uygulama seçili keşif projeleriyle sınırlı.

İş birliği, bu hedefi tekrarlanan deneysel öğrenme sürecine bağlıyor: bilim insanları adaylara ilişkin kararların sorumluluğunu korurken her test bir sonraki tasarım turunu iyileştirebiliyor. UCB açısından uygulamadaki ölçüt, bu döngülerin bağlanma, kararlılık, üretilebilirlik ve geliştirilebilirlik gerekliliklerini bir arada karşılayan ve klinik öncesi aşamaya hazır olma yolunda ilerleyen antikorlar üretip üretmediği.