跳到正文

技术方向

抗体与纳米抗体 最新动态

抗体、纳米抗体的 AI 设计、优化与相关研究。

共 221 条动态近 30 天 195 条

更新

动态归档 · 第 7 页

10月30日周五第 121–140 条
  1. Nature CommunicationsIF(5) 18.947

    合成工具重定向植物特异性 N-recognin PRT1 的泛素 E3 连接酶活性

    研究构建并生化验证了可重定向植物 PRT1 泛素 E3 连接酶活性的合成工具。PRT1 通过 RING1 招募 UBC35-UEV1A 并促进 K63 连接泛素链生成;带 N 端 CBP 的合成底物让 PRT1 依赖性泛素化受钙和钙调蛋白调控。另制备的纳米抗体可被 PRT1 识别并诱导报告蛋白泛素化。

  2. Molence62

    Molence 报告零样本 BCMA 设计结果,30 个设计中 12 个获得结合命中,两个候选以 VHH-Fc 融合形式测得 SPR KD 为 43 pM 和 1.1 nM。这两个候选结合细胞表面 BCMA 的 EC50 分别为 0.19 nM 和 0.16 nM,同一实验中 belantamab 生物类似药为 4.1 nM。作者将其描述为高亲和力识别模块,可用于进一步构建多价和多特异性抗体格式。

    引用Molence@MolenceBio

    3/15 🧪 在全部17个多样化靶点上均获得结合命中。 我们使用Mol-1的早期检查点,构建了一套从头VHH设计工作流程。初始的靶点级命中率在6%到63%之间,覆盖可溶性蛋白、受体胞外结构域和GPCR——包括BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6和CCR5。这是在多样化靶点面板上经过实验验证的设计。#ProteinDesign

  3. Molence55

    Molence Bio 报告,在 4-1BB 靶点上用第一轮实验结果指导第二轮设计,功能性命中由第一轮的 30 个中 2 个(7%)提升到第二轮的 60 个中 51 个(85%)。在 0.03 nM 浓度下,这 51 个二轮激动剂中有 48 个超过 Utomilumab 阳性对照的平均激活水平。公司表示,这些 VHH-Fc 结果说明实验反馈可以扩大功能性设计的候选池。

    引用Molence@MolenceBio

    4/15 🎯 零样本 BCMA 设计实现 43 pM 亲和力。 三十个设计中产生了 12 个结合命中。其中两个候选分子以 VHH-Fc 融合形式测试,SPR KD 值分别达到 43 pM 和 1.1 nM。 它们还能结合细胞表面的 BCMA:EC50 值分别为 0.19 和 0.16 nM,而同一检测中 belantamab 生物类似药为 4.1 nM。 高亲和力识别模块,可进一步工程化为多价和多特异性抗体格式。 #ProteinDesign

  4. Molence57

    Molence 公布其 Mol-1 工作流设计的 VHH 在六小时报告基因实验中可激活 4-1BB,两款 VHH-Fc 融合设计的 EC50 分别为 0.05 和 0.22 nM,对照 Utomilumab 为 0.43 nM。VHH 01 的 SPR KD 为 3.5 nM,两款设计均表现出高单体纯度、热稳定性和低自相互作用。该设计的目的是实现受体激动。

    引用Molence@MolenceBio

    5/15 🔁 一轮实验反馈。功能命中率从 7% → 85%。 对于 4-1BB,我们用第一轮实验结果指导了第二轮设计: • 第 1 轮:30 个中 2 个功能命中 • 第 2 轮:60 个中 51 个功能命中 在 0.03 nM 下,第二轮的 51 个激动剂中有 48 个超过了 Utomilumab 阳性对照的平均激活水平。 这些 VHH-Fc 结果展示了实验反馈如何扩大功能设计的候选池。 #ProteinDesign

  5. Molence57

    Molence Bio 公布其计算设计的 VHH 以 VHH-Fc 融合形式结合 CXCR6 表达细胞,EC50 为 39 nM。在 cAMP 实验中,30 nM CXCL16 使响应降至仅含 forskolin 对照的 70.6%,加入 167 nM 该 VHH 后恢复至 92.6%,作者据此认为该结合体对 CXCL16 诱导的 CXCR6 信号具有拮抗作用。该条是 15 条系列帖的第 7 条,前一条报告了靶向 4-1BB 的激动型设计。

    引用Molence@MolenceBio

    6/15 ⚡ 设计的VHH可以激活4-1BB。 在一项六小时的报告基因检测中,两个通过Mol-1工作流设计的VHH-Fc融合体实现了0.05和0.22 nM的激活EC50值,而Utomilumab为0.43 nM。 VHH 01还显示出3.5 nM的SPR KD。两个设计都具有良好的生物物理特性,包括高单体纯度、热稳定性和低自相互作用。 这里的设计目标是受体激动作用。 #DrugDiscovery

  6. Molence53

    Molence Bio 分享的 VHH 设计结果显示,30 个设计中 5 个在以 VHH-Fc 融合形式测试时能同时结合两种非直系同源细胞因子。这两种细胞因子的无空位序列一致性为 54%,同一批设计对细胞因子-A 和细胞因子-B 分别得到 11 个和 7 个结合命中。作者据此提出,双抗原识别可以作为设计流程中的一个明确目标。

    引用Molence@MolenceBio

    7/15 🧬 一个设计的 VHH 可以拮抗 GPCR。 CXCR6 设计物以 VHH-Fc 融合形式测试,与表达受体的细胞结合的 EC50 为 39 nM。 在 cAMP 测定中,30 nM CXCL16 将反应降低至仅用福司可林对照的 70.6%。加入 167 nM VHH 后恢复至 92.6%。 该实验支持计算设计的结合物对 CXCL16 诱导的 CXCR6 信号传导的拮抗作用。 #DrugDiscovery

  7. Molence44

    9/15 🧪 30 个设计候选中有 23 个至少满足四项生物物理筛选标准中的三项。 我们测量了 30 个 VHH-Fc 候选,覆盖 13 个靶点: • HIC 疏水性:80.0% 通过 • DSF 热稳定性:80.0% 的 Tm1 > 60°C • AC-SINS 自相互作用:83.3% 通过 • BVP 非特异性结合:70.0% 通过 13 个靶点中有 12 个至少有一个候选满足三项或更多标准——这为选择分子进入进一步开发提供了有用证据。 #ProteinDesign

    引用Molence@MolenceBio

    8/15 🎯 一个VHH,两种抗原——设计使然。 我们设计了能够识别两种非同源细胞因子的VHH,这两种细胞因子具有54%的无空位序列一致性。 在以VHH-Fc融合蛋白形式进行测试时,30个设计中有5个能同时结合两种抗原。同一批设计中,有11个命中细胞因子-A,7个命中细胞因子-B。 双抗原识别可以作为设计流程中的明确目标。 #ProteinDesign

  8. Molence48

    10/15 🎯 设计 VHH 结合的位置。 针对 TNFR2 和 IL-4Rα,我们靶向的是天然配体结合区域。 在顺序 BLI 竞争实验中,预先结合 TNFα 或 IL-4 会降低相应设计 VHH 的后续结合。 这些实验支持了对预期区域的识别,把表位导向的设计目标与实验证据连接起来。 #ProteinDesign

    引用Molence@MolenceBio

    9/15 🧪 30个设计候选物中有23个满足四项生物物理筛选标准中的至少三项。 我们对13个靶点的30个VHH-Fc候选物进行了测量: • HIC疏水性:80.0%通过 • DSF热稳定性:80.0%的Tm1 > 60°C • AC-SINS自相互作用:83.3%通过 • BVP非特异性结合:70.0%通过 13个靶点中有12个至少有一个候选物满足三项或更多标准——这是选择分子进行进一步开发的有用证据。 #ProteinDesign

  9. Molence56

    Molence 的 Mol-1-constraint 把表位信息作为预测输入,在四个抗体-抗原基准上均提升了 DockQ > 0.23 的成功率。FoldBench-AB 从 75.0% 升至 88.3%,AF3-AB 从 62.7% 升至 84.2%,PXMeter-AB 从 58.3% 升至 77.5%,MolBench-AB-26 从 57.3% 升至 79.4%。基础模型和 Mol-1-constraint 均可在 https://lab.molence.com 获取。

    引用Molence@MolenceBio

    13/15 🧬 蛋白质–肽段预测,通过高精度阈值。 在 MolBench-Peptide-26 上,Mol-1 达到: • DockQ > 0.23 时为 88.8% • DockQ > 0.49 时为 77.3% • DockQ > 0.80 时为 54.1% 结合结合位点信息,Mol-1-constraint 将这些提升至 92.2%、85.0% 和 60.2%。 生物位点信息在每个评估的精度阈值上都改善了肽段复合物预测。 #AIforScience

  10. Molence54

    Molence Bio 在 Mol-1-constraint 约束模式下,用文献与单体结构给出的三个残基位点假设,使三个案例的 DockQ 分别从 0.014 升至 0.874、0.011 升至 0.739、0.200 升至 0.863。作者称这些例子说明稀疏的生物学假设可以引导复杂预测。该系列前一条推文称 base model 与 Mol-1-constraint 均可在 https://lab.molence.com 获取,并给出四个基准上 DockQ > 0.23 的成功率变化,如 FoldBench-AB 从 75.0% 升至 88.3%、AF3-AB 从 62.7% 升至 84.2%。

    引用Molence@MolenceBio

    14/15 📍 表位可以作为预测的输入。 借助表位信息,Mol-1-constraint 在所有四个基准测试中均将抗体–抗原成功率(DockQ > 0.23)提升: • FoldBench-AB:75.0% → 88.3% • AF3-AB:62.7% → 84.2% • PXMeter-AB:58.3% → 77.5% • MolBench-AB-26:57.3% → 79.4% 基础模型和 Mol-1-constraint 均可在 https://lab.molence.com 获取 #AIforScience

  11. Molence57

    Molence 公布 Mol-1 在 FoldBench-AB 上的评测结果,DockQ > 0.23 下的中位成功率为 75.0%,与 IsoDDE 已公布的 75.58% 相近。团队称评测覆盖来自 32 个随机种子的全部 201,376 种五种子组合,其中 62.22% 的组合达到或超过 75% 的成功率。Mol-1 已在 GitHub 开源,并提供在线试用入口(https://github.com/molence/Mol-1、https://lab.molence.com)。

    引用Molence@MolenceBio

    隆重推出 Mol-1:开放前沿生物分子智能 🚀🚀🚀 📊 在 FoldBench-AB 上达到 75.0%,接近 IsoDDE 报告的 75.58%!!! 🧬 在单块 H20 上实现 6 万 token 的组装,表现优于 Anthropic 8/10。 🎯 VHH 结合命中率高达 63%,最佳 SPR KD 达 43 pM。 GitHub: https://github.com/molence/Mol-1 试用:https://lab.molence.com

  12. Molence54

    Molence 使用 Mol-1 的早期检查点构建 de novo VHH 设计工作流,在 17 个不同靶点上均获得结合命中。初始靶点级命中率为 6% 至 63%,覆盖可溶性蛋白、受体胞外域和 GPCR,包括 BCMA、4-1BB、TNFR2、IL-4Rα、CCR8、CXCR4、CXCR6 和 CCR5。作者称这是一组经过实验测试的多样化靶点设计。

    引用Molence@MolenceBio

    2/15 🧩 一个60,120-的分子组装体,在单张NVIDIA H20上完成结构预测。 基于Mol-1的长时运行智能体在10个评估组装体中的9个上超越了Anthropic报告的结果。 其中8个达到TM-score ≥ 0.90。 #AIforScience

  13. ImmunityIF(5) 32.373

    VEGF-B 维持肠道 Tfh 细胞干性,限制 Taurinivorans 过度增殖与菌群驱动的肥胖

    研究发现,T 细胞中条件性敲除 Flt1(编码 VEGFR-1)的小鼠会随年龄增长自发肥胖,Peyer 集合淋巴结和肠系膜淋巴结中的 VEGFR-1+ Tfh 细胞是这一过程的关键。

    推荐理由:论文把肠道 Tfh 细胞的 VEGFR-1 信号、Taurinivorans 过度增殖与肥胖串成一条通路,并测试了口服 IgA 的干预效果。

  14. PR Newswire 健康43

    AbbVie 公布 2026 年第三季度财务业绩

    AbbVie 公布 2026 年第三季度财务业绩,净营收 174.04 亿美元,同比增长 10.3%,运营口径增长 10.5%;GAAP 摊薄 EPS 为 2.37 美元,调整后为 3.82 美元。公司同时将 2026 年调整后摊薄 EPS 指引上调至 13.95-13.99 美元,并宣布 2027 年股息增长 5.2%。

  15. arXiv39

    MEMIG:面向抗体优化的自演化记忆构建框架

    MEMIG 是一种面向抗体优化的自演化记忆构建框架,把 LLM 智能体记忆做成可索引、可量化且结构化的形式。它为每条经验分配领域标识并累积属性 oracle 测得的定量效应,使更新局部化、检索变为精确查找,还连接共同施加的干预、分解评估集合以度量上位效应。在 in silico 抗体优化任务中,MEMIG 在多数设置下提升性能。

  16. PR Newswire 健康50

    Bambusa Therapeutics 扩大 IPO 规模并定价,拟募资约 1.69 亿美元

    Bambusa Therapeutics 公布扩大规模的 IPO 定价,以每股 16.00 美元发行 10,555,555 股普通股,预计募资总额 168,888,880 美元。公司普通股预计 10 月 30 日在纳斯达克全球精选市场以 BBTX 开始交易,发行预计 11 月 2 日完成交割。承销商另获 30 天选择权,可按发行价超额认购最多 1,583,333 股。