Property Predictors
抗体設計では、結合・特異性・安定性など複数の物性を同時に見る必要があります。実験前に候補の優劣を推定できる多タスク予測モデルが、Lab-in-the-loop の各ラウンドを支えます。
Focus
Multi-task Property Prediction
Approach
Machine Learning, Antibody Informatics
The Solution
配列から複数の物性を同時に予測する多タスクモデルを構築し、生成モデルが提案した各バリアントのスコアリングに用います。過去ラウンドの in vitro データで学習を更新し、予測精度を反復ごとに改善します。これにより、実験コストを抑えながら有望な候補を絞り込めます。
Multi-property optimization
The Achievement
4抗原ターゲットの最適化ループにおいて、予測モデルは各ラウンドで実験候補の優先順位付けに利用されました。結合親和性の改善傾向を捉え、最終的に全ターゲットで3–100倍の結合改善に寄与した候補群の同定を支援しています。
