Converge Bio가 자사 antibody design platform ConvergeAB로 cetuximab의 binding affinity를 개선한 후보를 8시간 안에 생성했다고 TechRound가 보도함. 기사에 따르면 single prompt와 no task-specific training 조건에서 약 10만 개 candidate를 생성했고, 최종 10개 sequence만 lab validation에 올렸음. 결과는 preclinical validation 수준이지만, antibody optimization에서 AI가 candidate space를 빠르게 줄이는 사례로 볼 수 있음.
요약
•
Converge Bio는 AI 기반 therapeutic antibody design을 개발하는 biotech startup으로 소개됨. 기사 기준으로는 ConvergeAB
platform을 이용해 기존 cancer antibody를 빠르게 redesign한 internal experiment가 핵심임.
platform을 이용해 기존 cancer antibody를 빠르게 redesign한 internal experiment가 핵심임.•
대상은 cetuximab임. Cetuximab은 colorectal cancer와 head and neck cancer에서 사용되는 EGFR-targeting therapeutic antibody로, EGFR signaling을 막는 데 binding strength가 중요한 요소로 설명됨.
•
ConvergeAB는 original antibody와 target receptor sequence를 입력받고, task-specific training 없이 zero-shot setting에서 약 100,000개 antibody candidate를 생성했다고 보도됨.
•
생성 후보 중 작은 subset만 lab validation으로 넘겼고, 최종적으로 10개 sequence를 테스트했다고 설명됨. 이 구조는 wet-lab throughput을 줄이는 candidate filtering 문제와 직접 연결됨.
•
AI-designed antibody는 surface plasmon resonance(SPR) test에서 cetuximab 대비 평균 약 2.1배, competing solution 대비 약 4.4배 강한 binding affinity를 보였다고 기사에서 설명함.
•
개선된 sequence는 original antibody 대비 6개 targeted modification만 포함했고, 변화가 structural region과 functional region에 분산되어 있었다고 보도됨.
•
회사는 해당 AI-designed antibody sequence에 대해 provisional patent를 출원했다고 밝힘. 다만 기사 기준으로는 binding affinity 외 specificity, developability, functional activity, in vivo efficacy 정보는 제한적임.
•
Antibody design 관점에서는 single-prompt generation 자체보다, 100,000개 candidate에서 10개 validation으로 좁힌 selection strategy와 성공 기준이 더 중요함. Binding improvement가 therapeutic improvement로 이어지는지는 별도 functional validation이 필요함.