ImmunoPrecise Antibodies Ltd. ha anunciado recientemente una ampliación de su ya exitosa plataforma LENSai. LENSai, gestionada por la filial de la empresa, BioStrand, proporciona una visión única y exhaustiva de los datos de las ciencias de la vida al vincular la secuencia, la estructura, la función y la información bibliográfica de toda la biosfera. La plataforma está integrando ahora el epitope binning en sus fórmulas.

El binning de epítopos es un método utilizado para comparar y categorizar una colección de anticuerpos monoclonales diseñados para dirigirse a una proteína específica. En este proceso, cada anticuerpo se compara con todos los demás para ver si interfieren entre sí en su capacidad de unirse a la proteína diana. Al hacer esto, los científicos pueden determinar qué anticuerpos tienen sitios de unión similares o relacionados en la proteína diana.

Los anticuerpos con sitios de unión similares se agrupan, o "binkean", en función de sus interacciones entre sí. El objetivo principal del binning de epítopos es agrupar los anticuerpos que tienen propiedades de unión a la diana similares, lo que ayuda a los investigadores a comprender las características y el comportamiento de los distintos anticuerpos y su potencial en la unión a proteínas específicas para diversas aplicaciones, como el desarrollo de fármacos o el diagnóstico de enfermedades. Para lograr un binning de epítopos preciso, el algoritmo de LENS ai incorpora múltiples componentes.

Analiza los perfiles secuenciales y estructurales de los anticuerpos, lo que significa que examina la secuencia específica y la estructura tridimensional de los anticuerpos para comprender sus capacidades de unión. También tiene en cuenta la información de acoplamiento, que considera factores como el impedimento estérico y los sitios de glicosilación que pueden afectar a la interacción anticuerpo-antígeno. A continuación, el algoritmo de LENS ai examina las interacciones atómicas entre los complejos anticuerpo-antígeno para comprender mejor su especificidad de unión.

En un estudio de caso publicado recientemente, LENS ai aplicó su algoritmo de agrupación de epítopos a un conjunto de 29 secuencias de anticuerpos dirigidos contra una proteína transmembrana. Los resultados obtenidos del análisis de agrupación in silico de LENS ai se compararon después con los datos de los procedimientos clásicos de binning en laboratorio húmedo. Los resultados mostraron un alto nivel de concordancia entre el agrupamiento de epítopos in silico de LENS ai y el agrupamiento clásico en laboratorio húmedo.

En otras palabras, el algoritmo de LENS ai pudo categorizar e identificar con precisión los epítopos de forma similar al enfoque experimental tradicional. Estos hallazgos demuestran que el Epitope Binning de LENS ai puede igualar eficazmente los resultados de los ensayos de competición in vitro, proporcionando a los investigadores predicciones de alta confianza sobre las interacciones anticuerpo-antígeno. Este estudio de caso pone de relieve el potencial del algoritmo de LENS ai para hacer frente a los retos que plantea el creciente número de anticuerpos generados en las campañas de descubrimiento.

Al ofrecer tanto una gran precisión como escalabilidad, el enfoque de binning insilico de LENS ai puede apoyar las primeras etapas del descubrimiento de anticuerpos, permitiendo a los investigadores analizar eficientemente un gran volumen de anticuerpos diversos y seleccionar los candidatos más prometedores para su posterior investigación. El binning epitópico in silico impulsado por la tecnología LENS ai ofrece así un avance fundamental, con su capacidad para analizar más de 5.000 secuencias, proporcionando una rápida visión para la clasificación temprana. Sus algoritmos mejoran la investigación biológica, ofreciendo una selección de candidatos precisa y de alto rendimiento, al tiempo que reducen el tiempo y los costes.

Para pequeños subconjuntos con menos de 5.000 anticuerpos, puede ofrecer resultados en apenas unas horas. Además, sólo requiere secuencias de proteínas y ningún material físico, lo que reduce aún más el esfuerzo necesario. Esta plataforma refuerza aún más la posición de BioStrand en la vanguardia de la investigación y la tecnología bioterapéuticas impulsadas por la IA.