ImmunoPrecise Antibodies Ltd. a récemment annoncé l'extension de sa plate-forme LENSai, déjà couronnée de succès. LENSai, qui est gérée par la filiale de la société, BioStrand, offre une vue unique et complète des données des sciences de la vie en reliant la séquence, la structure, la fonction et les informations bibliographiques de l'ensemble de la biosphère. La plateforme intègre désormais l'épitope binning dans ses formules.

L'épitope binning est une méthode utilisée pour comparer et classer une collection d'anticorps monoclonaux conçus pour cibler une protéine spécifique. Dans ce processus, chaque anticorps est testé par rapport à tous les autres pour voir s'ils interfèrent avec leur capacité à se lier à la protéine cible. Les scientifiques peuvent ainsi déterminer quels anticorps ont des sites de liaison similaires ou apparentés sur la protéine cible.

Les anticorps possédant des sites de liaison similaires sont regroupés, ou "binés", en fonction de leurs interactions mutuelles. L'objectif principal de l'épitope binning est de regrouper les anticorps qui ont des propriétés similaires de liaison à la cible, ce qui aide les chercheurs à comprendre les caractéristiques et le comportement des différents anticorps et leur potentiel à cibler des protéines spécifiques pour diverses applications, telles que le développement de médicaments ou le diagnostic de maladies. L'algorithme de LENS ai incorpore de multiples composants pour parvenir à un regroupement précis des épitopes.

Il analyse les profils séquentiels et structurels des anticorps, ce qui signifie qu'il examine la séquence spécifique et la structure 3D des anticorps pour comprendre leurs capacités de liaison. Il prend également en compte les informations d'amarrage, qui considèrent des facteurs tels que l'encombrement stérique et les sites de glycosylation susceptibles d'affecter l'interaction anticorps-antigène. L'algorithme de LENS ai examine ensuite les interactions atomiques entre les complexes anticorps-antigènes pour mieux comprendre leur spécificité de liaison.

Dans une étude de cas récemment publiée, LENS ai a appliqué son algorithme de regroupement d'épitopes à un ensemble de 29 séquences d'anticorps ciblant une protéine transmembranaire. Les résultats obtenus par l'analyse de regroupement in silico de LENS ai ont ensuite été comparés aux données issues des procédures classiques de regroupement en laboratoire. Les résultats ont montré un niveau élevé de concordance entre l'in Silico Epitope Binning de LENS ai et le wet lab binning classique.

En d'autres termes, l'algorithme de LENS ai a pu catégoriser et identifier les épitopes de manière similaire à l'approche expérimentale traditionnelle. Ces résultats démontrent que l'Epitope Binning de LENS ai peut effectivement correspondre aux résultats des essais de compétition in vitro, fournissant aux chercheurs des prédictions très fiables sur les interactions anticorps-antigènes. Cette étude de cas met en évidence le potentiel de l'algorithme de LENS ai pour répondre aux défis posés par le nombre croissant d'anticorps générés lors des campagnes de découverte.

En offrant à la fois une grande précision et une grande évolutivité, l'approche insilico binning de LENS ai peut soutenir les premières étapes de la découverte d'anticorps, permettant aux chercheurs d'analyser efficacement un grand volume d'anticorps divers et de sélectionner les candidats les plus prometteurs pour une investigation plus poussée. L'analyse in silico des épitopes grâce à la technologie de LENS ai constitue donc une avancée décisive, avec sa capacité à analyser plus de 5 000 séquences, ce qui permet d'obtenir rapidement des informations pour un triage précoce. Ses algorithmes améliorent la recherche biologique en offrant une sélection précise et à haut débit des candidats, tout en réduisant les délais et les coûts.

Pour les petits sous-ensembles contenant moins de 5 000 anticorps, il peut fournir des résultats en quelques heures seulement. En outre, il ne nécessite que des séquences de protéines et aucun matériel physique, ce qui réduit encore les efforts à fournir. Cette plateforme renforce la position de BioStrand à l'avant-garde de la recherche et de la technologie biothérapeutiques basées sur l'IA.