You're visiting from outside the EU. Switch to the US version to see local pricing and tax details in USD.
Switch to US ($)
Reservar una llamada Descargar el informe de caso completo
Industria farmacéutica
Diagnóstico
Neurología
Una empresa farmacéutica identificó un anticuerpo prometedor para el diagnóstico de enfermedades neurodegenerativas, pero su sensibilidad era insuficiente para una detección confiable. El objetivo del proyecto fue aumentar la afinidad de unión de un anticuerpo murino dirigido a un antígeno humano, con el fin de acelerar el desarrollo y avanzar rápidamente hacia una solución diagnóstica robusta.
Para reducir riesgos y optimizar la estrategia, primero realizamos un mapeo paratope–epítopo detallado para clarificar la interfaz de interacción y guiar un diseño más racional de variantes mejoradas en afinidad. Sobre esta base, empleamos nuestro servicio de maduración de afinidad para generar y evaluar variantes optimizadas de anticuerpos, seleccionando las opciones mejoradas con mayor unión al objetivo.
Asegurar desarrollabilidad manteniendo niveles de expresión al menos comparables al WT
Mantener la estabilidad estructural principal a pesar de los cambios de secuencia
Acercarse al máximo posible al umbral de rendimiento
Mejorar afinidad sin aumentar la unión inespecífica
Nuestro proceso consiste en diseñar mutaciones dirigidas para potenciar las interacciones anticuerpo-antígeno, teniendo en cuenta los desafíos específicos de cada proyecto.
Utilizamos nuestra plataforma de IA para proponer sustituciones específicas de aminoácidos y seleccionamos 20 variantes de anticuerpos para diseñar y evaluar.
2. Revisión biológica
Revisamos y desafiamos sistemáticamente las sustituciones generadas por IA junto a nuestro equipo de bioinformática para asegurar la relevancia biológica de cada variante y su alineación con los requisitos de destino.
3. Validación en laboratorio
Expresamos y purificamos las variantes predichas, validando la unión mediante SDS-PAGE, ELISA de titulación y BLI, para obtener métricas empíricas de afinidad y seleccionar los mejores candidatos.
4. Ciclo de aprendizaje iterativo
Resultados experimentales se retroalimentan en nuestros modelos de IA, permitiendo iteraciones de diseño-prueba rápidas y una convergencia más ágil hacia candidatos líderes con mejor afinidad.
Identificamos con éxito una variante principal de anticuerpo (Ab-1) con una mejora de afinidad de aproximadamente 20 veces respecto al anticuerpo parental (WT), además de variantes adicionales (Ab-2 a Ab-5) que mostraron aumentos de 2 a 10 veces en afinidad frente a WT.
Las mediciones cinéticas muestran que la maduración de afinidad no comprometió el rendimiento inicial del anticuerpo y mantuvo la desarrollabilidad. Además, el análisis estructural 3D combinado con nuestra herramienta de IA confirmó la estabilidad estructural principal.
El cliente obtuvo variantes de anticuerpos con hasta 20 veces mayor afinidad respecto al parental, permitiendo avanzar con rapidez y confianza a la siguiente etapa.
Nuestro método de maduración de afinidad potenciada por IA predice e introduce mutaciones dirigidas para mejorar la unión al antígeno preservando siempre la desarrollabilidad del anticuerpo.