Leash Bio виготовляє та скринить 100 білкових конструкцій на тиждень командою з чотирьох людей. Компанія не проводить для них окремих тестів активності, а оцінює згортання білків за результатами скринів за даними блогу Leash Bio.
Зазвичай лабораторії ретельно готують білки перед DEL-скринінгом: вирощують великі обсяги, кілька разів очищають і перевіряють активність. За оцінкою CRO, на яку посилається Leash Bio, такий скринінг триває від трьох до шести місяців після отримання білка. Leash натомість працює швидко й не проводить окремих функціональних тестів.
Що таке DEL і навіщо вона Leash Bio?
DEL — це бібліотека від тисяч до мільярдів молекул в одній пробірці, кожна з яких має приєднаний ДНК-штрихкод. Білок занурюють у суміш, відбирають молекули, що з ним зв’язалися, і визначають їх за допомогою секвенування ДНК за описом Leash Bio.
Leash Bio збирає дані про взаємодію малих молекул із білками, щоб створити масштабну базу для машинного навчання. Компанія вважає секвенування ДНК наймасштабнішою технологією вимірювання в сучасних науках про життя.
Як Leash Bio оцінює згортання білків?
Leash Bio використовує результати скринів, щоб оцінити, чи правильно згорнувся білок.
Один зі способів — провести скринінг із відомим інгібітором і без нього. Якщо інгібітор витісняє молекули, що зв’язалися з білком, це може свідчити, що його активна кишеня сформувалася правильно. Для білків, які зв’язуються з ДНК, компанія використовує олігонуклеотиди з консенсусним мотивом. Виявлення таких мотивів у скрині також може свідчити про правильне згортання.
Інший спосіб — порівняти результати скринінгу білка з відомою інактивувальною мутацією та білка без неї. Якщо мутація змінює набір молекул, що зв’язуються з білком, це дає підстави оцінити відмінності між ними.
Що Latent Space повідомляє про моделі Leash Bio?
За повідомленням Latent Space, модель Hermes, навчена на даних Leash Bio, показала результати на рівні Boltz у відкритих бенчмарках за даними Latent Space.
У матеріалі також згадано змагання на Kaggle приблизно з чотирма мільярдами вимірювань і близько двома тисячами команд. На невидимій хімічній бібліотеці жодна команда не перевершила випадковий вибір. Latent Space описує й приклад із ChEMBL: моделі могли вгадувати хіміка за структурою молекули, а авторство давало приблизно таку саму підказку щодо активності, як і сама структура.
Що таке Minos?
Minos — це середовище для агентів, де вони можуть перевіряти наукові міркування на даних скринів.
Latent Space повідомляє, що дані Leash Bio дають десятки тисяч симуляцій «lab-in-the-loop» для навчання агентів із підкріпленням. У наведеному прикладі мовні моделі міркують про співвідношення структури й активності молекул (SAR) та шукають зв’язувачі серед 6,5 мільйона молекул за бюджету 100. Джерело не пояснює, у чому вимірюється цей бюджет. У публікації також згадано препринт, блог і відкритий набір даних Minos.
