AB-Panda：一种基于人工智能生成的抗体结构的工具，用于开发性预测

《Biotechnology and Bioengineering》：AB-Panda: An AI-Generated Antibody Structure-Based Tool for Developability Prediction

抗体开发中AB-Panda工具基于AlphaFold2结构预测，创新性提出单位面积疏水值（UHV）、正电荷值（UPC）、负电荷值（UNC）三个结构指标，通过分析919种临床治疗性抗体建立了指标推荐范围，并开发可视化界面和在线平台（https://www.antibodydev.com）辅助早期抗体序列筛查与优化。

　　

摘要

抗体的可开发性是抗体发现过程中的一个关键问题，涉及自相互作用、聚集和热稳定性等方面。计算方法和基于结构的工具的使用极大地改善了初始抗体序列的评估和优先级排序。随着对小体积、高浓度抗体制剂皮下注射需求的增加，基于蛋白质结构的更精确预测工具变得至关重要。我们的研究介绍了AB-Panda，这是一种基于AlphaFold2预测的抗体结构以及三种创新的结构相关指标的工具。AB-Panda利用单位面积疏水性值（UHV）、单位面积正电荷（UPC）和单位面积负电荷（UNC）来自动识别抗体互补决定区（CDRs）内的疏水性和带电区域。通过对919种临床阶段治疗性（CST）抗体的分析，我们确定了UHV、UPC和UNC的推荐范围作为抗体可开发性的参考标准。AB-Panda提供了表面疏水性和电荷分布的清晰可视化，有助于识别问题氨基酸，并为进一步的序列工程提供建议。此外，AB-Panda已被整合到一个网页应用程序中，该应用程序的链接为https://www.antibodydev.com，它结合了UHV、UPC、UNC以及其他成熟的计算指标，用于抗体序列的早期筛选和优化。

利益冲突

作者声明没有利益冲突。