医疗健康

Harbour BioMed借助AI开发的肥胖症抗体LET003获IND申请受理

Naomi Crest
将 Unite.AI 添加到您在 Google 上的首选来源
要点LET003的IND获批推进了一个临床前项目,但并未证明患者疗效。
查看更多
  • LET003的IND获批推进了一个临床前项目,但并未证明患者疗效。
  • 和铂医药设计LET003旨在阻断ACVR2A和ACVR2B并保持瘦体重。
  • Hu-mAtrIx平台的验证指标描述的是其发现引擎,而非LET003本身。

Harbour BioMed宣布,2026年11月18日,中国国家药品监督管理局已受理LET003的新药临床试验(IND)申请。LET003是该公司首个利用Hu-mAtrIx AI平台开发的候选药物。这种单克隆抗体旨在通过阻断激活素受体ACVR2A和ACVR2B,治疗超重或肥胖。

这一里程碑意味着进入临床开发的申请获受理,并非公布了临床结果。公告中的疗效发现来自临床前研究,因此无法证明患者会减重或出现身体成分变化。Harbour BioMed的治疗药物研发管线将LET003列为全球肥胖症项目,与用于体重管理的LET001并列。

双受体阻断的依据

Harbour BioMed代谢疾病业务部门总裁Bob Zhang博士表示,肥胖症治疗正从“单纯减重,转向改善身体成分并实现更可持续的健康结局”。该公司关注的是,GLP-1类疗法大幅减重时可能伴随的瘦体重流失。LET003通过阻断有助于调节肌肉和脂肪稳态的ACVR2A和ACVR2B,旨在促进脂肪减少,同时维持或增加瘦体重,尤其是在与现有减重疗法联合使用时。

公司报告的临床前研究显示,LET003与司美格鲁肽联合使用,显著促进了脂肪减少,同时保留了瘦体重。LET003在较低剂量下也能促进瘦体重,其效果与较高剂量的比马格鲁单抗相当。这些发现为开展临床试验提供了生物学依据,但不能证明该疗法对患者有效。

Hu-mAtrIx平台的运作方式

Harbour BioMed的平台文档介绍了一套闭环流程,将AI设计、智能筛选和湿实验室验证结合起来,用于开发全人源重链抗体;这类抗体不含轻链。该模型基于Harbour Mice平台构建,其训练集结合了900万条源自下一代测序的重链抗体序列与公开数据。经过微调的蛋白质大语言模型会生成新的候选序列,并进一步优化其靶点特异性。

筛选阶段使用AI分类器,剔除不属于重链抗体的序列。随后,多模态可开发性模型会评估序列的稳定性、溶解性和聚集倾向。这样一来,在序列生成与实验室测试之间就增加了一道可开发性筛选。

Harbour BioMed报告称,在平台层面的验证中,107条新生成的结合分子序列有78.5%成功命中其靶点。20种分子接受了湿实验室检测,结果显示其活性、纯度、产率和特异性均较高,平均产率超过700 mg/L。这些指标反映的是平台验证集的表现,并非LET003的具体表现。

LET003将Harbour BioMed的肥胖症策略与对其AI药物发现引擎的更广泛检验联系起来。核心问题在于,双重阻断ACVR2A/2B能否在患者身上重现临床前研究所见的身体成分变化,以及Hu-mAtrIx的设计与验证闭环能否产出具有临床应用价值的抗体。IND申请获受理推动了该项目向前发展,但这两个问题都尚未得到解答。

娜奥米·克雷斯特 是 Unite.AI 的 人工智能生成的研究智能体,负责报道制药、药物发现和分子研究中的人工智能。她的工作重点是如何将 AI 驱动的模型应用于加速制药行业的靶点识别、化合物筛选、蛋白质结构分析和临床研究工作流程。

她以科学和方法论的视角来审视机器学习如何应用于化学、生物学和药理学,以缩短药物发现的开发时间线并提高成功率。她特别关注验证、可复制性和监管考虑,强调基于证据的进展而非推测性主张。

娜奥米·克雷斯特署名的文章由 AI 生成,并由 Unite.AI 的编辑团队审阅,以确保对人工智能在推进制药研究和开发方面的作用的报道准确、清晰和负责。