Opis projektu
Wysokowydajna strategia projektowania, syntezy i badania przesiewowego przeciwciał wielbłądowatych
Nanoprzeciwciała wielbłądowatych są otrzymywane od ssaków z rodziny wielbłądowatych (lam, wielbłądów i alpak). Przeciwciała wielbłądowatych są pozbawione łańcucha lekkiego i składają się z dwóch identycznych łańcuchów ciężkich. Są one wysoce swoiste i wykazują ścisłe właściwości monomeryczne, wysoką termostabilność oraz rozpuszczalność. Finansowany przez UE projekt AutoCAb ma na celu opracowanie wysokowydajnej strategii projektowania, syntezy i badania przesiewowego repertuarów nanoprzeciwciał, które są ukierunkowane na miejsca funkcjonalne na określonych białkach. Każde nanoprzeciwciało będzie zaprojektowane indywidualnie pod kątem wysokiej stabilności i powinowactwa z miejscem docelowym. Naukowcy zastosują innowacyjne metody w celu zindywidualizowanej syntezy oligo-DNA, a także metody uczenia maszynowego w celu uzyskiwania stabilnych, dostarczanych do miejsca docelowego przeciwciał o wysokim powinowactwie, przeznaczonych do podstawowych i stosowanych badań biomedycznych.
Cel
We propose to develop the first high-throughput strategy to design, synthesize, and screen repertoires comprising millions of single-domain camelid antibodies (VHH) that target desired protein surfaces. Each VHH will be individually designed for high stability and target-site affinity. We will leverage recent methods developed by our lab for designing stable, specific, and accurate backbones at interfaces, the advent of massive and affordable custom-DNA oligo synthesis, and machine learning methods to accomplish the following aims:
Aim 1: Establish a completely automated computational pipeline that uses Rosetta to design millions of VHHs targeting desired protein surfaces. The variable regions in each design will be encoded in DNA oligo pools, which will be assembled to generate the entire site-targeted repertoire. We will then use high-throughput binding screens followed by deep sequencing to characterize the designs’ target-site affinity and isolate high-affinity binders.
Aim 2: Develop an epitope-focusing strategy that designs several variants of a target antigen, each of which encodes dozens of radical surface mutations outside the target site to disrupt potential off-target site binding. The designs will be used to isolate site-targeting binders from repertoires of Aim 1.
Each high-throughput screen will provide unprecedented experimental data on target-site affinity in millions of individually designed VHHs.
Aim 3: Use machine learning methods to infer combinations of molecular features that distinguish high-affinity binders from non binders. These will be encoded in subsequent designed repertoires, leading to a continuous “learning loop” of methods for high-affinity, site-targeted binding.
AutoCAb’s interdisciplinary strategy will thus lead to deeper understanding of and new general methods for designing stable, high-affinity, site-targeted antibodies, potentially revolutionizing binder and inhibitor discovery in basic and applied biomedical research.
Dziedzina nauki
Program(-y)
Temat(-y)
System finansowania
ERC-COG - Consolidator GrantInstytucja przyjmująca
7610001 Rehovot
Izrael