ImmunoPrecise Antibodies Ltd. ha recentemente annunciato un'espansione della sua piattaforma LENSai, già di successo. LENSai, che è gestita dalla filiale dell'azienda, BioStrand, offre una visione unica e completa dei dati delle scienze della vita, collegando le informazioni su sequenza, struttura, funzione e letteratura dell'intera biosfera. La piattaforma sta ora integrando il binning degli epitopi nelle sue formule.

L'epitope binning è un metodo utilizzato per confrontare e classificare una collezione di anticorpi monoclonali progettati per colpire una proteina specifica. In questo processo, ogni anticorpo viene testato rispetto a tutti gli altri per vedere se interferiscono con la capacità degli altri di legarsi alla proteina target. In questo modo, gli scienziati possono determinare quali anticorpi hanno siti di legame simili o correlati sulla proteina target.

Gli anticorpi con siti di legame simili vengono raggruppati insieme, o "binnati", in base alle loro interazioni reciproche. L'obiettivo principale del binning degli epitopi è quello di raggruppare gli anticorpi che hanno proprietà simili di legame con il bersaglio, il che aiuta i ricercatori a capire le caratteristiche e il comportamento dei diversi anticorpi e il loro potenziale nel puntare proteine specifiche per varie applicazioni, come lo sviluppo di farmaci o la diagnosi di malattie. Per ottenere un binning preciso degli epitopi, l'algoritmo di LENS ai incorpora diversi componenti.

Analizza i profili sequenziali e strutturali degli anticorpi, ossia esamina la sequenza specifica e la struttura 3D degli anticorpi per capire le loro capacità di legame. Prende in considerazione anche le informazioni di docking, che considerano fattori come l'ostacolo sterico e i siti di glicosilazione che possono influenzare l'interazione anticorpo-antigene. L'algoritmo di LENS ai esamina poi le interazioni atomiche tra i complessi anticorpo-antigene per comprendere meglio la loro specificità di legame.

In un caso di studio pubblicato di recente, LENS ai ha applicato il suo algoritmo di epitope binning a una serie di 29 sequenze di anticorpi che avevano come obiettivo una proteina transmembrana. I risultati ottenuti dall'analisi di clustering in silico di LENS ai sono stati poi confrontati con i dati delle classiche procedure di binning in laboratorio. I risultati hanno mostrato un alto livello di accordo tra l'Epitope Binning in Silico di LENS ai e il classico binning in laboratorio.

In altre parole, l'algoritmo di LENS ai è stato in grado di categorizzare e identificare accuratamente gli epitopi in modo simile all'approccio sperimentale tradizionale. Questi risultati dimostrano che l'Epitope Binning di LENS ai può corrispondere efficacemente ai risultati dei saggi di competizione in vitro, fornendo ai ricercatori previsioni ad alta sicurezza delle interazioni anticorpo-antigene. Questo caso di studio evidenzia il potenziale dell'algoritmo di LENS ai nell'affrontare le sfide presentate dal numero crescente di anticorpi generati nelle campagne di scoperta.

Offrendo un'elevata precisione e scalabilità, l'approccio di binning in silico di LENS ai può supportare le prime fasi della scoperta di anticorpi, consentendo ai ricercatori di analizzare in modo efficiente un grande volume di anticorpi diversi e di selezionare i candidati più promettenti per ulteriori indagini. Il binning degli epitopi in silico, alimentato dalla tecnologia LENS ai, offre quindi un progresso fondamentale, con la sua capacità di analizzare oltre 5.000 sequenze, fornendo intuizioni rapide per una selezione precoce. I suoi algoritmi migliorano la ricerca biologica, offrendo una selezione accurata e ad alto rendimento dei candidati, riducendo al contempo tempi e costi.

Per piccoli sottoinsiemi con meno di 5.000 anticorpi, può fornire risultati in poche ore. Inoltre, richiede solo sequenze di proteine e nessun materiale fisico, riducendo ulteriormente l'impegno richiesto. Questa piattaforma rafforza ulteriormente la posizione di BioStrand all'avanguardia nella ricerca e nella tecnologia bioterapeutica guidata dall'AI.