Агенты Amazon спроектировали антитела против цели редкой детской опухоли: 46 подтверждены в лаборатории

Amazon Bio Discovery спроектировала антитела против цели детской опухоли, о которой не было ни структуры, ни данных о прежних антителах. Из 100 тысяч сгенерированных кандидатов лабораторный отбор оставил 116, и 46 из них оказались сильными связывателями. Цель — белок на поверхности клеток десмопластической мелкокруглоклеточной опухоли; её нашли в лаборатории Ная-Конга Чунга в Memorial Sloan Kettering, секвенируя образцы опухолей пациентов.

Кампанию вели агенты. Один из них перебирал семь биоинформатических инструментов и предлагал участки на поверхности белка, за которые стоит цепляться: считал доступность для растворителя, сравнивал участки с базой из 500 тысяч известных эпитопов, размечал домены. На проверочном наборе SAbDab агент попадал хотя бы в один настоящий участок в первой пятёрке примерно в 80% случаев. Для новой цели он предложил восемь зон, а три генеративные модели сделали по 96 тысяч вариантов антител под них.

Отбирать варианты помогла вторая новинка — MochiBind. Она не пытается предсказать силу связывания в абсолютных числах, а сравнивает два антитела: какое цепляется крепче. Парные сравнения потом сводятся в общий рейтинг алгоритмом TrueSkill, который придумали для рейтинга игроков. Структура молекулы модели не нужна — только последовательность. По точности парных сравнений она обошла ближайшего конкурента на структурах в среднем почти на 10%, а 200 тысяч пар оценила за 13 секунд на обычном процессоре.

Третья работа — про то, выживет ли антитело в производстве и в клинике. Беда таких предсказаний в том, что разные лаборатории систематически смещают измерения, и модель, обученная на данных одной из них, тихо перенимает это смещение. Модель CA-MAP получает в запросе несколько примеров антител с измеренными свойствами из той же лаборатории и по ним подстраивается без переобучения. В тесте с искусственным смещением обычное дообучение просело по корреляции с 0,99 до 0,58, а CA-MAP осталась на 0,99. При этом у неё около 182 тысяч обучаемых параметров против 40 млн у базовой TxGemma и примерно в 200 раз быстрее ответ.

Сейчас традиционный путь от цели до ведущего кандидата занимает от полугода до года. Amazon Bio Discovery — её сервис, где биологи получают доступ к моделям и лабораторным услугам, — обещает замкнуть цикл: 46 найденных связывателей вместе с разметкой «связывает — не связывает» идут в обучение следующего круга. MochiBind и CA-MAP клиентам пока недоступны.