Um optimale Antikörperdesigns zu identifizieren, müssen sich Forscher mit einem umfangreichen Pool von Protein-Sequenzabschnitten auseinandersetzen. Herkömmliche Methoden für diesen Zweck können sowohl kostspielig als auch ineffizient sein, da sie das iterative Testen von Zehn- bis Hunderttausenden von Varianten erfordern. Dieses Vorzeigeprojekt der Forschung hebt eine aktuelle Studie eines Forschungsteams der University of Washington unter der Leitung des Nobelpreisträgers David Baker hervor, die einen entscheidenden Schritt in Richtung einer skalierbaren KI-gesteuerten Entwicklung biologischer Präparate darstellt. Die Studie nutzte künstliche Intelligenz, Multiplex-Genfragmente und De-novo-Protein-Design-Software, um neue VHH-Domänen-Antikörper gegen krankheitsrelevante Ziele rational zu entwickeln und zu validieren.