抗体药物智能开发的深度学习策略OA
抗体药物开发面临周期长(>3年)、成本高(>2亿美元)以及多属性协同优化困难等产业瓶颈。传统方法如杂交瘤技术存在通量低、全局优化能力不足等局限。近年来,深度学习(deep learning,DL)技术为抗体药物的智能化开发提供了突破性解决方案。系统综述了DL在抗体药物开发中的研究进展,重点探讨了抗体序列设计、结构预测、亲和力预测与成熟、多目标优化等核心环节的代表性方法与技术挑战,并对未来发展进行了展望,以期为抗体药物研发向智能化、全局化方向转型提供参考。
曾鑫;王辰;王正俊;梁何楚;张正平
正大天晴药业集团股份有限公司,南京211122正大天晴药业集团股份有限公司,南京211122正大天晴药业集团股份有限公司,南京211122正大天晴药业集团股份有限公司,南京211122正大天晴药业集团股份有限公司,南京211122
生物科学
深度学习抗体药物多目标协同优化
《生物技术进展》 2026 (1)
P.29-37,9
连云港市基础研究计划(青年科技创新人才项目)资助项目(JCYJ2407)。
评论