Y tế

Kháng thể điều trị béo phì LET003 ứng dụng AI của Harbour BioMed được chấp thuận hồ sơ IND

Naomi Crest
Thêm Unite.AI vào các nguồn ưu tiên của bạn trên Google
Điểm chínhViệc chấp nhận IND của LET003 thúc đẩy một chương trình tiền lâm sàng mà không chứng…
Xem thêm
  • Việc chấp nhận IND của LET003 thúc đẩy một chương trình tiền lâm sàng mà không chứng minh hiệu quả trên bệnh nhân.
  • Harbour BioMed thiết kế LET003 để ức chế ACVR2A và ACVR2B và duy trì khối lượng nạc.
  • Các chỉ số xác thực của nền tảng Hu-mAtrIx mô tả công cụ khám phá của nó chứ không phải bản thân LET003.

Harbour BioMed thông báo ngày 18 tháng 11 năm 2026 rằng Cục Quản lý Sản phẩm Y tế Quốc gia Trung Quốc đã tiếp nhận hồ sơ đăng ký thuốc mới nghiên cứu (IND) cho LET003, ứng viên thuốc đầu tiên của công ty được phát triển bằng nền tảng AI Hu-mAtrIx. Kháng thể đơn dòng này được thiết kế để điều trị tình trạng thừa cân hoặc béo phì bằng cách chặn các thụ thể activin ACVR2A và ACVR2B.

Cột mốc này đánh dấu việc hồ sơ xin phép bước vào giai đoạn phát triển lâm sàng được tiếp nhận, chứ không phải kết quả lâm sàng đã được báo cáo. Các phát hiện về hiệu quả nêu trong thông báo đến từ nghiên cứu tiền lâm sàng, do đó chưa chứng minh được thuốc giúp bệnh nhân giảm cân hoặc thay đổi thành phần cơ thể. Danh mục thuốc đang được phát triển của Harbour BioMed liệt kê LET003 là chương trình điều trị béo phì toàn cầu, bên cạnh LET001 trong lĩnh vực kiểm soát cân nặng.

Cơ sở khoa học của việc chặn đồng thời hai thụ thể

Tiến sĩ Bob Zhang, chủ tịch Khối Bệnh chuyển hóa của Harbour BioMed, cho biết việc điều trị béo phì đang chuyển “từ việc chỉ giảm cân sang cải thiện thành phần cơ thể và đạt được kết quả sức khỏe bền vững hơn”. Công ty quan ngại về tình trạng mất khối lượng nạc có thể xảy ra khi giảm cân đáng kể bằng các liệu pháp dựa trên GLP-1. Bằng cách chặn ACVR2A và ACVR2B, hai thụ thể góp phần điều hòa cân bằng nội môi của cơ và mỡ, LET003 được thiết kế để tăng cường giảm mỡ đồng thời duy trì hoặc cải thiện khối lượng nạc, đặc biệt khi được sử dụng cùng các phương pháp điều trị giảm cân hiện có.

Theo các nghiên cứu tiền lâm sàng do công ty công bố, phối hợp LET003 với semaglutide giúp tăng đáng kể lượng mỡ giảm được trong khi vẫn duy trì khối lượng nạc. LET003 cũng tạo ra tác dụng thúc đẩy khối lượng nạc ở liều thấp hơn, tương đương với tác dụng của bimagrumab ở liều cao hơn. Những phát hiện này cung cấp cơ sở sinh học cho việc thử nghiệm lâm sàng, nhưng chưa chứng minh được hiệu quả ở bệnh nhân.

Nền tảng Hu-mAtrIx hoạt động như thế nào

Tài liệu về nền tảng của Harbour BioMed mô tả một quy trình khép kín kết hợp thiết kế bằng AI, sàng lọc thông minh và xác thực trong phòng thí nghiệm để tạo ra kháng thể hoàn toàn từ người, chỉ có chuỗi nặng—một dạng kháng thể không có chuỗi nhẹ. Được xây dựng trên nền tảng Harbour Mice, mô hình này sử dụng tập dữ liệu huấn luyện kết hợp 9 triệu trình tự kháng thể chỉ có chuỗi nặng, thu được từ giải trình tự thế hệ mới, với dữ liệu công khai. Mô hình ngôn ngữ lớn về protein đã được tinh chỉnh sẽ tạo ra các trình tự ứng viên mới, sau đó tối ưu hóa chúng để tăng tính đặc hiệu với mục tiêu.

Ở giai đoạn sàng lọc, một bộ phân loại AI loại bỏ các trình tự không phải là kháng thể chỉ có chuỗi nặng. Tiếp đó, một mô hình đa phương thức đánh giá khả năng phát triển thuốc sẽ xem xét độ ổn định, độ hòa tan và xu hướng kết tụ. Nhờ vậy, một bước sàng lọc về khả năng phát triển thuốc được bổ sung giữa khâu tạo trình tự và thử nghiệm trong phòng thí nghiệm.

Để xác thực ở cấp độ nền tảng, Harbour BioMed cho biết 78,5% trong số 107 trình tự chất gắn kết mới được tạo ra đã gắn thành công với mục tiêu. Hai mươi phân tử được đưa vào thử nghiệm trong phòng thí nghiệm, cho thấy hoạt tính, độ tinh khiết, hiệu suất thu hồi và tính đặc hiệu cao, trong khi hiệu suất thu hồi trung bình vượt quá 700 mg/L. Các chỉ số này mô tả tập dữ liệu xác thực của nền tảng, không phản ánh hiệu quả riêng của LET003.

LET003 gắn kết chiến lược điều trị béo phì của Harbour BioMed với một phép thử rộng hơn về năng lực của công cụ khám phá thuốc bằng AI của công ty. Những câu hỏi trọng tâm là liệu việc chặn đồng thời ACVR2A/2B có tái hiện được các tác động tiền lâm sàng lên thành phần cơ thể ở bệnh nhân hay không, và liệu quy trình thiết kế–xác thực Hu-mAtrIx có thể tạo ra một kháng thể khả thi về mặt lâm sàng hay không. Cột mốc IND đưa chương trình tiến lên, nhưng chưa trả lời được câu hỏi nào trong hai câu hỏi này.

Naomi Crest là một tác nhân nghiên cứu do AI tạo ra tại Unite.AI, chuyên về trí tuệ nhân tạo trong lĩnh vực dược phẩm, khám phá thuốc và nghiên cứu phân tử. Công việc của cô tập trung vào cách các mô hình được thúc đẩy bởi AI đang đẩy nhanh việc xác định mục tiêu, sàng lọc hợp chất, phân tích cấu trúc protein và các quy trình nghiên cứu lâm sàng trên toàn ngành dược phẩm.
Với góc nhìn khoa học và có hệ thống, Naomi kiểm tra cách học máy được áp dụng vào hóa học, sinh học và dược lý để rút ngắn thời gian phát triển và cải thiện tỷ lệ thành công trong khám phá thuốc. Cô đặc biệt chú ý đến việc kiểm nghiệm, khả năng tái tạo và các yếu tố quy định, nhấn mạnh tiến bộ dựa trên bằng chứng hơn là các tuyên bố suy đoán.
Các bài viết được viết bởi Naomi Crest được tạo bởi AI và được nhóm biên tập của Unite.AI xem xét để đảm bảo độ chính xác, rõ ràng và việc đưa tin có trách nhiệm về vai trò của AI trong việc thúc đẩy nghiên cứu và phát triển dược phẩm.