К содержанию

Главная / Задачи / Affinity maturation

Affinity maturation

Улучшение binding существующего antibody/protein.

Generative task

Биологическая и инженерная цель

Повысить affinity/potency, контролируя прочие свойства отдельно.

Возможные исходные данные

parent binder
optional complex
optional labels

Что именно генерируется

mutants of parent

Классы генераторов

mutation-optimizer

Какие архитектурные подходы используются

Стратегия	Что генерирует	Представление	Примеры	Ограничение	Sampling	Novel topology	Integrated scoring	Complexity
Zero-shot then assay	Single substitutions	Sequence or complex	Efficient evolution with ESM-1v, Structural evolution (ESM-IF1 complex)	Не multi-objective по умолчанию	Ranking	Нет	Likelihood	Positions enumerated
Few-shot active learning	Next-round variants	PLM embeddings + labels	EVOLVEpro	Нужны experimental rounds	Acquisition function	Нет	Supervised surrogate	Assay turnaround

Architecture-to-workflow consequences

Архитектурное решение	Практическое следствие
Optimize only affinity	Может ухудшить specificity/developability.

Compute и deployment

Wet-lab dominates.

Доступные инструменты

Инструмент	Generated object	Публикация	Evidence
Efficient evolution with ESM-1v	Ranked single-amino-acid substitutions	Peer-reviewed	4 prospective functional validation
EVOLVEpro	Ranked single or multi-mutant variants for next round	Peer-reviewed	4 prospective functional validation
Makowski et al. affinity–specificity co-optimization	Combinatorial CDR mutation sets predicted to trade affinity against nonspecific binding	Peer-reviewed	3–5 prospective binding/specificity validation
Structural evolution (ESM-IF1 complex)	Ranked sequence mutations preserving complex structure	Peer-reviewed	4 prospective functional validation

Типовые workflows

Evidence summary

Есть prospective antibody examples, но gains assay-specific.

Что нельзя сравнивать напрямую

De novo design ≠ maturation of a parent.

Как выбирать

Нет labels — zero-shot.
Есть ~10+ labels — EVOLVEpro.

Связанные архитектурные концепции

Zero-shot mutation scoring, Few-shot mutation optimization, Active learning

Primary references

Efficient evolution of human antibodies from general protein language models, Few-shot learning for protein evolution with EVOLVEpro, Co-optimization of therapeutic antibody affinity and specificity using machine learning models of sequence-activity data, Unsupervised evolution of protein and antibody complexes with a structure-informed language model