11月28日,勃林格殷格翰公司和IBM公司宣布达成一项协议,将使勃林格公司能够使用IBM的基础模型技术来发现新的候选抗体,用于开发有效的治疗方法。
勃林格殷格翰生物治疗药物研发全球主管Andrew Nixon表示:“我们非常高兴能与IBM的研究团队合作,他们与我们有共同的愿景,即通过计算机生物药物研发成为现实。我相信,通过与IBM科学家的合作,我们将开发出一个前所未有的加速抗体发现的平台,这将使勃林格能够为高未满足需求的患者开发和提供新的治疗方法。”
勃林格殷格翰将使用IBM开发的预训练人工智能模型,该模型将根据勃林格的其他专有数据进行进一步微调。
IBM研究院加速发现副总裁Alessandro Curioni表示:“IBM一直处于创建生成式人工智能模型的最前沿,这些模型将人工智能的影响扩展到语言领域之外。”“我们很高兴现在将IBM的多模式基础模型技术引入勃林格殷格翰,勃林格殷格翰是抗体疗法开发和制造的领导者,有助于加快勃林格殷格翰创造新疗法的步伐。”
发现抗体的基础模型
治疗性抗体是治疗许多疾病包括癌症、自身免疫性疾病和传染病。尽管技术取得了重大进展,但覆盖不同表位的治疗性抗体的发现和开发仍然是一个高度复杂和耗时的过程。
勃林格殷格翰和IBM的研究人员将共同致力于通过计算机模拟方法加速抗体的发现过程。
疾病相关靶点的序列、结构和分子谱信息,以及治疗相关抗体分子的成功标准,如亲和力、特异性和可发育性,将为计算机模拟生成新的人类抗体序列奠定基础。
这些方法依赖于新的IBM基础模型技术,旨在提高抗体发现的速度和效率以及预测抗体候选物的质量。
IBM的基础模型技术已经成功地产生了具有相关靶点亲和力的生物制剂和小分子,用于设计针对特定靶点的候选抗体,随后通过人工智能增强模拟进行筛选,以选择和细化目标的最佳结合物。
在验证步骤中,勃林格殷格翰将生产微型规模的抗体,并对候选抗体进行实验评估。
展望未来,实验室实验的结果将会被用来通过反馈回路来改进计算机模拟方法。
IBM生物医学基础模型技术依赖于广泛的异构、公开可用的数据集(包括蛋白质-蛋白质相互作用和药物-靶标相互作用)来开发预训练模型。
然后,根据IBM合作伙伴的特定专有数据对预训练模型进行微调,以提供具有所需属性的新设计的蛋白质和小分子。
特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.