抗体粘度预测

1 简介

高浓度抗体溶液是开发皮下注射剂所必需的，但通常表现出高粘度，给抗体药物开发、生产和给药带来了挑战。以前的计算模型仅限于几十个数据点进行训练，这是泛化性的瓶颈。
在DeepViscosity¹这项工作中，集成了102个神经网络模型，使用DeepSP模型²提取共30个有关电荷分布、疏水性、空间聚集倾向(SAP)和空间电荷图(SCM)的特征，对150mg/mL的低粘度(≤20cP)和高粘度(>20cP)mAb进行分类，使用两个独立的测试集来评估DeepViscosity的泛化性，DeepViscosity在两个测试集上的准确率分别为87.5%和89.5%，超过了其他预测方法，这证明DeepViscosity可以促进早期抗体开发，以选择低粘度抗体以提高抗体的可开发性。

图 1. DeepViscosity在测试集上的表现

2 参数

名称	说明
heavy chain	抗体的重链
light chain	抗体的轻链

3 结果说明

结果为一个 .csv 表格文件，每列的含义如下：

名称	说明
Prob_Mean	所有模型预测的平均值
Prob_Std	所有模型预测的标准差
DeepViscosity_classes	当 Prob_Mean≥0.5 时为高粘度(>20cP)，小于0.5时为低粘度(≤20cP)

4 参考文献

[1] Kalejaye, L. A., Chu, J. M., Wu, I. E., Amofah, B., Lee, A., Hutchinson, M., … Lai, P. K. (2025). Accelerating high-concentration monoclonal antibody development with large-scale viscosity data and ensemble deep learning. mAbs, 17(1). https://doi.org/10.1080/19420862.2025.2483944

[1] Kalejaye, L.; Wu, I.-E.; Terry, T.; Lai, P.-K. DeepSP: Deep Learning-Based Spatial Properties to Predict Monoclonal Antibody Stability. Comput. Struct. Biotechnol. J. 2024, 23, 2220–2229. https://doi.org/10.1016/j.csbj.2024.05.029