抗体のヒト化（in silico）

ヒト化にかかる時間を半分に短縮

お問い合わせ

概要
特長
データ
技術資料

ライブラリ不要、機械学習を用いた抗体のヒト化

抗体のヒト化には、開発が可能であり、かつ親抗体と同等の親和性を維持する完全ヒト化抗体候補を設計するために、手間のかかるライブラリ構築や、単調なタンパク質改変の繰り返しが必要となる場合があります。

Twist Biopharma Solutions は、下記の技術を組み合わせてヒト化配列を自動生成する、独自のアルゴリズムを開発しました。

構造モデリング

機械学習

ディープラーニング

CDR グラフト

この in silico ヒト化プラットフォームを用いれば、抗体ライブラリの構築やテストを行うことなく、お手持ちのマウス抗体、VHH 抗体、キメラ抗体のヒト化をこれまでの半分以下の期間で行うことができます。

ご利用方法

親和性、安全性、有効性プロファイルは維持

最新のin silico 設計
技術を用いたヒト化

Twist は、何百万ものヒト抗体配列を用いて学習した強力な機械学習アルゴリズムを開発しました。このアルゴリズムは、経験則にとどまらない、親和性、機能性、開発適性を有する可能性の高いヒト化抗体配列を設計することができます。

深い専門性に裏付けられたワークフロー

当社の抗体開発チームは、さまざまなヒット抗体を用いてヒト化技術を向上させてきました。当社の in silico プラットフォームは H 鎖および L 鎖（または L 鎖のみ）をもとに、構造モデリング、機械学習アプローチ、CDR グラフトを組み合わせて、ヒト化配列を生成します。

臨床への道のりを
強力にサポート

ヒト化の後、発現、結合親和性の評価、あるいは結合親和性、選択性、薬物動態（PK）のさらなる最適化が必要となる場合があります。Twist では、ハイスループットなクローン遺伝子合成、迅速な抗体発現、親和性試験、および Twist 抗体最適化（TAO）サービスを通じて、新たにヒト化された候補抗体を迅速に臨床段階へと近づけることができます。