独自プログラムを用いた計算科学による
モノクローナル抗体の設計サービス

私たちは、大規模計算機と生成AIを活用し、標的とする抗原の立体構造に最適な結合抗体を予測します。独自に開発した抗体医薬設計プログラムで抗体分子を設計するので、ヒトや動物に頼らずに、結合親和性に優れたモノクローナル抗体の作製が可能です。
既存抗体の抗原親和性向上などを目的とした抗体の再設計にも対応します。


  1. 作製時間の短縮 ハイブリドーマ法による作製時間、3-6カ月を1カ月程度に短縮
  2. 狙った標的部位の抗体を作出 エピトープの標的部位を自由に選択
  3. 動物を用いた免疫実験が不要 ヒトや動物に頼らずにモノクローナル抗体を作製
図. 計算科学による抗体分子の設計

従来のハイブリドーマ法などでは、動物への免疫、スクリーニング、機能評価といったプロセスに3~6カ月程度の時間を要していましたが、計算科学を用いて標的のエピトープに結合する抗体分子を設計することで、モノクローナル抗体を1‐2カ月程度で得ることが可能です。また、作製コストの削減も実現します。

図. 抗体の作製工程の比較(従来法(ハイブリドーマ法) vs 計算科学による設計)

†:一般的なモノクローナル抗体の作製法(ハイブリドーマ法)と比較し、作製時間を約50%短縮することが可能です。作製条件等により変動するため、詳細はお問い合わせください。
‡ :抗体設計のご相談、ご発注に際しては、お客様のご要望に応じて、秘密保持契約(NDA)および業務委託契約を締結いたします。
‡ :弊社が提供する抗体配列情報を用いて臨床試験や商業利用を検討される場合は、別途ライセンス契約が必要となります。

私たちの技術の大きな強みは、抗体が標的とする抗原分子の特定の領域(エピトープ)を自由に設定できることです。標的とするエピトープの部位を選択したら、二次元画像データのAI学習を活用し、抗原の標的部位の立体構造を予測、そして標的部位に最適な抗体の構造を予測します。

AI学習を用いた抗体のデザイン技術は存在しますが、一般的に一次元データ(アミノ酸のテキストデータ)に依存しています。しかしながら、アミノ酸配列のテキスト情報だけでは、抗原の立体構造や位置情報を正しく得ることが難しく、結合認識の成功率が低くなる場合があります§
また、インシリコ(In-silico)創薬において、AIの学習データの偏り(バイアス)が問題として指摘されることがありますが、私たちの技術は、私たちのぎ私たちの技術は、わたエピトープの立体構造に基づいて抗体分子を設計するので、学習データがない未知の抗体でも設計することが可能です。さらにヒト抗体やマウス抗体、キメラ抗体など、フォーマットも自由にアレンジが可能です。

● 抗原の標的部位を設定し、二次元画像データによってAI学習

図. AI Method – 二次元画像データによってAI学習

さらに、抗体の可変部のアミノ酸配列の入替え計算を繰り返すことで、相補性に優れた抗体配列を設計します。私たちの計算科学の技術で設計した抗体は、狙った部位をほぼ確実に捕捉することができます。

● 抗体の可変部のアミノ酸の入替え計算を繰り返し、相補性に優れた抗体を設計

図. High Performance Computing (HPC)で抗原に対する相補性を向上

計算科学による設計 ー インシリコ(In-silico)創薬は、医薬品開発における動物実験撤廃の国際的な流れ(3R)に対応します。計算科学の技術を活用した抗体作製は、動物免疫を一切行うことなく計算解析のみで抗体分子を設計します。倫理的課題をクリアしつつ、再現性の高い安定した供給体制の構築が可能です。

エピトープの設定は、既存の動物を利用した方法で抗体が取得できない系にも適用できます。ADC(抗体薬物複合体)や2重特異性抗体、CAR-T療法に用いる受容体など、高度な機能が求められる設計も可能です。また、物性(安定性・親和性)の最適化も同時に行い、高品質な抗体を設計します。

抗PD‐1抗体(免疫チェックポイント阻害剤、T細胞表面のPD-1受容体に結合する抗体)として、独自に4種類の配列を設計し、モノクローナル抗体を作製しました。
作製した4種類の抗体について、in vitro試験(ELISA)で検証し、いずれも優れた結合親和性があることを実証しました。

図. 独自に抗PD-1抗体の抗体配列を再設計し、 in vitro試験を実施

T細胞表面のPD-1受容体に結合するモノクローナル抗体。代表的な薬剤は、進行癌の1次治療や手術前後の補助療法で用いられるPembrolizumabがある。

アブクラフト会社紹介フライヤー_26年6月

PAGE TOP