Cart (0 Items)
Your cart is currently empty.
View Products
-
Kunde
Biotech-Unternehmen
Branche
Therapeutika
-
Forschungsgebiet
Immunologie
Pipeline-Stadium
Charakterisierung von Leitkandidaten
-
Schlüsselprozesse
- Sequenzanalyse von Antikörper und Antigen
- 3D-Modellierung und Simulationen
- Experimentelle Validierung
Schlüsseldaten
85%
Signalreduktion
3
Kritische Aminosäuren identifiziert
Kontext
Ein Biotech-Unternehmen benötigte eine rasche Bestimmung der genauen Epitope-Paratope-Interaktionen eines therapeutischen Antikörperkandidaten. Das Verständnis dieser molekularen Details war entscheidend, um nicht nur die therapeutische Aktivität vorherzusagen (Agonist/Antagonist), sondern auch, um diagnostische Werkzeuge (z. B. Sandwich-ELISAs) zu entwickeln, die Schutzrechte für das geistige Eigentum zu stärken und sich auf das Antikörper-Engineering wie beispielsweise die Affinitätsreifung vorzubereiten.
Herausforderungen
1
Großer konformationeller Suchraum aufgrund unbekannter Bindungsstellen
2
Bedarf an hochwertigen Strukturmodellen von Antikörper und Antigen
3
Protein-Flexibilität erfordert repräsentative Strukturen für exaktes Mapping
4
Experimentelle Validierung ist unerlässlich, um in silico-Prognosen zu bestätigen
Vorgehen von ProteoGenix
Sequenzanalyse von Antikörper und Antigen
3D-Modellierung der Strukturen
KI-basierte Docking-Simulationen
Identifizierung der Epitope/Paratope-Regionen
Experimentelle Validierung durch Mutagenese und Bindungsassays
Ergebnisse
AIxplore® Epitope & Paratope Mapping identifizierte ein funktionelles Hotspot nahe der Nukleinsäure-Bindungsstelle des Antigens. Der Austausch von drei entscheidenden Aminosäuren pro Mutante führte zu einer 85 %igen Reduktion des Bindungssignals und belegt damit sowohl die Genauigkeit der KI-Prognosen als auch die wahrscheinliche neutralisierende Wirkung des Antikörpers. Das Mapping identifizierte zudem Paratope-Residuen, wobei Mutationen in der schweren Kette den größten Effekt hatten. Diese Erkenntnisse liefern eine solide Grundlage für Hypothesen zum therapeutischen Wirkmechanismus, für IP-Schutz sowie für zukünftige Entwicklungsstrategien.
3D-Modellierung
Wichtigste Erkenntnis
Durch die Kombination von KI-basierten Prognosen mit experimenteller Validierung lieferte ProteoGenix zuverlässige Erkenntnisse über Antikörper–Antigen-Interaktionen. Dieses integrierte Vorgehen reduzierte Risiken und Entwicklungszeit und unterstützte den Kunden mit Daten zur gezielten therapeutischen Entwicklung, zum Design von diagnostischen Tests und zur Stärkung des Schutzes geistigen Eigentums.
Verwandte Dienstleistungen
