Unchained Labs将于2026年11月4日举办一场网络研讨会，主题为“利用Stunner和AI Developability Workcell更快找到更好的生物药”。该研讨会将提供实时直播和点播回放。

可开发性筛选的挑战

可开发性筛选旨在及早剔除难以开发的候选分子，避免其占用过多时间和资源。随着新候选分子数量不断增加，可供测试的材料却日益减少，但产量、聚集和胶体稳定性等关键测量仍必须完成。每个工艺步骤都可能因吸附或沉淀导致蛋白损失，因此产量低、浓度低的候选分子需要尽早发现。低浓度下的大聚集体会使候选分子不合格，但它们可能隐藏在HPLC看似纯净的样品中。胶体稳定性指标如kD和B22可提供自缔合的早期预警，但每个候选分子都需要完整的稀释系列，这可能累积成对大量样品体积的需求。

Stunner平台的功能

Stunner能在单个微量96孔板中提供产量、尺寸/聚集和胶体稳定性的答案。全光谱UV/Vis仅需2 µL样品即可测量浓度，无需标准曲线、染料或试剂。动态光散射（DLS）在同一份样品上运行，报告尺寸并标记聚集，无需额外样品。运行稀释系列后，Stunner将UV/Vis浓度与DLS和静态光散射配对，计算kD和B22，以判断自相互作用是否使候选分子面临风险。

研讨会内容与自动化工作流程

在本次演讲中，将展示Stunner如何从数量、尺寸和胶体稳定性数据构建可开发性图谱。将探讨这些信息如何应用于抗体，以及在GLP-1肽中通过相同测量可以观察到什么。最后，将展示如何在AI Developability Workcell上以无人值守方式执行可开发性工作流程，该平台可在一个自动化平台上完成缓冲液交换、浓缩、定量、尺寸分析以及热稳定性和胶体稳定性检查——全部由自然语言提示驱动。参与者将获得关于设计更快、更节省样品的可开发性筛选的实用指导，从第一块板到闭环自动化。

演讲人为Unchained Labs产品管理总监Kevin Lance博士。

来源：The Scientist（英文原文，生物航编译，内容以原文为准）