일반 단백질 언어 모델에서 인체 항체의 효율적인 진화

자연적 진화는 바람직하지만 드문 돌연변이를 위해 가능성 있는 서열의 광범위한 경관을 탐색해야 하며, 이는 자연 진화 전략에서 학습하는 것이 인공 진화를 안내할 수 있음을 시사합니다. 여기서는 일반 단백질 언어 모델이 타겟 항원, 결합 특이성 또는 단백질 구조에 대한 정보 없이도 진화적으로 그럴듯한 돌연변이를 제안함으로써 인체 항체를 효율적으로 진화시킬 수 있음을 보고합니다. 우리는 언어 모델 가이드 친화성 성숙을 통해 7개의 항체를 연구하며, 각 항체에 대해 20개 이하의 변인을 두 번의 실험실 진화에서 스크리닝하고, 4개의 임상적으로 관련 있는 고도로 성숙한 항체의 결합 친화성을 최대 7배, 3개의 미성숙 항체는 최대 160배 향상시켰습니다. 많은 설계가 에볼라 및 중증 급성 호흡기 증후군 코로나바이러스 2 (SARS-CoV-2) 유사 바이러스에 대한 유리한 열 안정성과 바이러스 중화 활성을 보여주었습니다. 항체 결합을 개선하는 동일한 모델은 항생제 내성 및 효소 활성을 포함한 다양한 단백질 가족과 선택 압력 전반에 걸쳐 효율적인 진화를 안내하며, 이러한 결과가 많은 설정에 일반화될 수 있음을 시사합니다.