Modelo de aprendizaje automático para predecir la aptitud de AAV Capsides para la terapia génica

Un nuevo estudio Generidad humana Los experimentos in vitro describen un modelo de aprendizaje automático (ML) que puede usarse como un sustituto de trabajo duro. En el enfoque de silico, esto tiene como objetivo aumentar la aptitud de las capsidas de las capsas de virus (AAV) (AAV) (AAV) clínicos, trabajando más económicamente para pacientes.

La productividad o la aptitud mejorada es una estrategia clave para desarrollar capsides AAV, para reducir los costos de producción para hacer que el tratamiento génico sea más favorable.

Los autores de Christian Mueller y Sanofi, mutantes de la cápside AAV2, basadas en la secuencia de aminoácidos del monómero de la cápside, describen el modelo ML más moderno.

«Al combinar un modelo de lenguaje de proteínas (PLM) y técnicas ML clásicas, nuestro modelo predecirá significativamente la precisión de pronóstico para la aptitud de la cápside (correlación de Pearson = 0.818), investigadores». Las pruebas de base de datos significativas y completamente independientes mostraron la fuerza y ​​la generalización de nuestro modelo, incluso para muchas capas de AAV mutantes «.

«La aparición de enfoques de inteligencia artificial (IA) es un sistema sistemático, integral y efectivo más sistemático, integral y efectivo, de manera más sistemática», dijo. Generidad humana Thomas Gallagher, Doctor en Filosofía, Facultad de Medicina de Massachusetts Chan.