SHIRLEY, NY, 15 janvier 2026 /24-7PressRelease/ — Dans le processus de développement des médicaments à base d'anticorps, un scénario courant est qu'une molécule candidate performe bien lors d'expériences in vitro, avec des données d'affinité et fonctionnelles satisfaisantes, mais révèle des risques d'immunogénicité lors d'évaluations ultérieures, devant même retourner à l'étape de conception pour une ré-optimisation. Étant donné que les médicaments à base d'anticorps sont largement utilisés dans des domaines tels que l'oncologie, les maladies auto-immunes et les maladies infectieuses, ces problèmes de « retravail en phase avancée » émergent fréquemment dans le processus de R&D, forçant les équipes de R&D à rechercher un nouvel équilibre entre efficacité, sécurité et performance moléculaire.

Lors du processus d'humanisation des anticorps, les chercheurs doivent souvent équilibrer de manière répétée entre la réduction des risques immunitaires et la préservation de l'activité de liaison. Pour résoudre ce problème, des modèles d'IA sont utilisés pour réaliser des analyses multidimensionnelles des séquences d'anticorps, évaluant systématiquement les impacts potentiels de différents schémas de remplacement de cadre sur l'immunogénicité, la stabilité structurelle et d'autres aspects. Tout en conservant autant que possible les caractéristiques de liaison originales, cette approche de conception basée sur les données aide à éviter à l'avance les schémas à haut risque, réduisant ainsi le temps et les coûts engendrés par des expériences répétées.

Pour les molécules candidates ayant subi une humanisation initiale mais présentant toujours des risques immunitaires lors d'évaluations ultérieures, Creative Biolabs a introduit une stratégie d'élimination de l'immunogénicité par IA. En prédisant les épitopes potentiels des lymphocytes T et en identifiant les régions à haut risque, les chercheurs peuvent optimiser précisément la séquence sans interférer avec les zones fonctionnelles, améliorant ainsi la sécurité et l'acceptabilité des anticorps candidats lors des étapes ultérieures de développement clinique.

Lors de l'étape de maturation d'affinité, des modèles de prédiction de mutation pilotés par l'IA sont employés pour identifier les sites clés qui améliorent la liaison à l'antigène et guider la construction de bibliothèques de mutations plus ciblées. Combiné à un criblage expérimental à haut débit, l'équipe de R&D peut obtenir des variants d'anticorps avec une affinité significativement améliorée et un bon potentiel de développement dans un délai relativement court. Les données du projet indiquent qu'avec l'aide des stratégies de prédiction par IA, la proportion de mutations inefficaces peut être efficacement réduite, améliorant ainsi l'efficacité globale du criblage.

L'expert responsable de la plateforme d'ingénierie des anticorps chez Creative Biolabs a déclaré : « L'IA ne remplace pas simplement les expériences ; elle nous aide plutôt à porter des jugements plus rationnels lors de l'étape de conception. En itérant continuellement et en intégrant les prédictions algorithmiques avec les données expérimentales, nous pouvons identifier plus tôt les risques potentiels et fournir à nos clients des solutions d'optimisation plus prospectives. »

À propos
Creative Biolabs, en intégrant les capacités algorithmiques avec les plateformes expérimentales, offre une option plus efficace et contrôlable pour l'optimisation précoce des médicaments à base d'anticorps et fournit également une nouvelle voie pratique pour que l'industrie explore des modèles de R&D basés sur les données.

Avertissement : Cette traduction a été générée automatiquement par NewsRamp™ pour 24-7 Press Release (collectivement désignés sous le nom de "LES ENTREPRISES") en utilisant des plateformes d'intelligence artificielle génératives accessibles au public. LES ENTREPRISES ne garantissent pas l'exactitude ni l'intégralité de cette traduction et ne seront pas responsables des erreurs, omissions ou inexactitudes. Vous vous fiez à cette traduction à vos propres risques. LES ENTREPRISES ne sont pas responsables des dommages ou pertes résultant de cette confiance. La version officielle et faisant autorité de ce communiqué de presse est la version anglaise.