Ginkgo Datapoints与Apheris近日公布了抗体可开发性联盟（Antibody Developability Consortium）的创始成员。该联盟是一项新的行业合作，旨在帮助制药和生物技术公司更早预测抗体的可制造性与可开发性风险。联盟的目标是构建其声称的该领域最大的标准化抗体可开发性数据集。

创始成员与数据目标

根据公告，创始成员包括艾伯维（AbbVie）、argenx、灵北（Lundbeck）和武田（Takeda），联盟仍对有兴趣加入的其他制药和生物技术公司开放。按照联盟条款，每个创始成员将向Ginkgo Datapoints贡献专有抗体测序数据，Ginkgo Datapoints是Ginkgo Bioworks旗下产品，不足部分将由公开来源填充。目标是总共达到10,000条抗体。

艾伯维生物治疗与遗传医学AI负责人、数据科学总监Athena Hadjixenofontos博士表示：“该联盟代表着在构建抗体可开发性预测模型方面迈出的重要一步，它创建了为机器学习设计的数据集，解决了便利数据集相关的局限性。联邦基础设施使参与者能够贡献数据，同时保持专有序列的私密性。这些能力可能显著加速抗体发现，并帮助推进患者的新药研发。”

可开发性预测的意义

抗体可开发性涵盖影响候选抗体能否被制造、配制并成功推进为临床产品的生物物理特性。尽早预测可能阻碍有前景的抗体候选物推进的障碍，有助于更明智地选择候选物，并减少开发时间和投资。

灵北生物治疗发现副总裁Allan Jensen博士表示，这一点在“中枢神经系统等复杂治疗领域”尤为重要，因为“选择具有优越可开发性特性的表现良好的候选物的能力至关重要。通过汇集多样化的抗体数据集，这一合作有潜力加强预测方法。”

分工与基础设施

据合作方介绍，Ginkgo Datapoints正在主导联盟的科学设计与执行，包括设计序列选择方法、监督抗体生产，并围绕核心可开发性终点开展高通量湿实验表征。Ginkgo还在Apheris的安全环境中基于该数据集训练基础抗体可开发性模型。

Apheris的联邦基础设施则用于将基础模型交付到每个参与成员的环境中，成员可在其专有数据上对模型进行微调。此外，成员将能够在Apheris环境中使用完整联盟数据集及自身序列数据来训练、基准测试和优化自己的内部模型，而不会向其他成员暴露专有信息。联盟还邀请牛津大学结构生物信息学教授Charlotte Deane博士和密歇根大学药学与化学工程教授Peter Tessier博士提供独立科学监督。

成员预计将在2027年初获得初始数据集。联盟还计划随时间探索加入更复杂的抗体形式，以支持新药物类别及其他关键特性，帮助成员预测哪些药物会成功或失败。

武田AI/ML研究负责人Yves Fomekong Nanfack博士表示：“在整个行业汇集标准化的可开发性数据，可以创建比任何一家公司单独构建都更强大的预测模型。随着我们推进武田研究成为AI原生发现组织的雄心，这一能力可以帮助更早识别有前景的抗体候选物，为更好的开发决策提供信息，并更快地将新疗法带给患者。”

来源：GEN（英文原文，生物航编译，内容以原文为准）