AbOptimizer：大语言模型与强化学习并行编辑优化抗体多属性

研究团队提出 AbOptimizer，一个通过并行多位点序列编辑实现抗体多性质优化的强化学习框架。该方法先识别有潜力的编辑位点和编辑动作（保留、替换及可选的插入或删除），再从蛋白语言模型推荐突变，并用代理评估与 Pareto 奖励训练策略。 据团队在 Nature Communications 报告，计算实验中 AbOptimizer 提升了所优化的性质并优于基线方法；体外实验中，筛选出的变体在 emibetuzumab 上实现亲和力与特异性协同优化，在 siltuximab 上提升亲和力与特异性且基本保持热稳定性，在 trastuzumab 上完成含插入缺失的亲和力优化。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。