Por Jonathan Schmitt, Abbas Razvi y Christoph Grapentin
Las soluciones de anticuerpos monoclonales (mAb) pueden presentar una mayor viscosidad en concentraciones elevadas, lo que puede ser una desventaja durante la purificación, el llenado y la administración de proteínas. La viscosidad está determinada por las interacciones proteína-proteína, que están influenciadas por la secuencia del anticuerpo, así como por las condiciones de la solución, como el pH, el tipo de tampón o la presencia de sales y otros excipientes. Para predecir la viscosidad, a menudo se utilizan parámetros experimentales, como el parámetro de interacción de difusión (kD), o herramientas computacionales que explotan información derivada de la secuencia primaria, pero aún falta una herramienta de predicción confiable. Presentamos un enfoque de modelado que emplea redes neuronales artificiales (RNA) utilizando factores experimentales combinados con parámetros derivados de la simulación, así como datos de viscosidad de 27 mAb altamente concentrados (180 mg/ml). Estas RNA se pueden utilizar para predecir si los mAb exhiben una viscosidad problemática en distintas concentraciones o para modelar curvas de viscosidad-concentración.
Jonathan Schmitt, Abbas Razvi y Christoph Grapentin (2023) Modelado predictivo del comportamiento de la viscosidad dependiente de la concentración de soluciones de anticuerpos monoclonales utilizando redes neuronales artificiales, mAb, 15:1, 2169440, DOI: 10.1080/19420862.2023.2169440
También te puede interesar
-
Los vasos en el suelo de la Luna preservan el agua de múltiples fuentes: estudio
-
Hubble captura galaxia con agujero negro voraz
-
Dependencias de energía y temperatura para la pulverización catódica inducida por electrones del hielo de H2O: implicaciones para las lunas heladas de Galileo
-
Síntesis y estabilidad de biomoléculas en las condiciones del manto superior de la Tierra.
-
La NASA y JAXA XRISM detectan rastros de hierro en una galaxia activa cercana