ProteinQure 跨模态分析服务全攻略，助力序列到功能转化

在生物医学领域，蛋白质序列到功能的转化一直是个难题。不过，随着技术的进步，现在有了 ProteinQure 这家公司，它推出的跨模态分析服务为这个问题提供了新的解决方案。那 ProteinQure 到底有什么独特之处呢？它又是如何帮助我们实现序列到功能转化的呢？接下来，我们就一起深入了解一下。

ProteinQure 成立于 2017 年，总部位于加拿大多伦多，是一家专注于利用人工智能和分子模拟技术进行肽类药物设计的生物技术公司。其核心竞争力在于结合机器学习、计算生物物理学和基于结构的药物设计，开发出具有高度靶向性和优异疗效的肽药物偶联物（PDCs）。

ProteinQure 自主开发的 Protein Studio™平台是其技术的核心。这个平台整合了多种专有技术，能够解决复杂的药物设计挑战。它利用数千种非天然氨基酸和封端基团，结合多目标优化算法和定制 AI 模型，设计出针对特定细胞表面受体的高效肽药偶联物。平台通过分子模拟和定制 AI 模型在千万亿次超级计算机上运行，能够创建独特的分子支架。而且，该平台已经通过外部一级制药合作伙伴的合作以及内部针对组织特异性递送的成熟资产管线的开发，在体外和体内都得到了验证。

此外，ProteinQure 还推出了 PQ Librarian 工具。这是一个 AI 驱动的库评分工具，结合了大型语言模型、预测神经网络，并在庞大的肽 - 受体相互作用数据库上进行了训练。它能够为用户提供不同肽库针对特定靶点的评分，绿色表示高命中潜力，黄色表示需要谨慎，红色表示成功机会低。这使得用户在早期药物发现阶段能够做出更明智的数据驱动决策。

在生物学研究中，单细胞跨模态分析是一个重要的领域。单细胞技术的最新进展使跨模态和组织位置的细胞高通量分子分析成为可能。单细胞转录组数据现在可以通过染色质可及性、表面蛋白表达、适应性免疫受体库分析和空间信息进行补充。跨模态单细胞数据的可用性越来越高，推动出新的计算方法，以帮助科学家获得生物学见解。

然而，现有的计算工具在处理多模态数据时还存在一些挑战。例如，算法开发人员缺乏全局的工作流程认知，改进或开发新工具依然具有挑战性。不同模态的数据需要不同的分析方法，如何将这些方法整合起来，形成一个完整的分析流程，是当前研究的一个热点。

ProteinQure 的跨模态分析服务正是针对这些挑战而设计的。它能够整合多种模态的数据，包括转录组、表观遗传组、蛋白质组等，通过先进的计算方法，帮助用户从这些数据中提取有价值的信息，实现序列到功能的转化。

ProteinQure 的肽药物偶联物具有诸多优势。首先，它们具有组织特异性和穿透性。通过选择组织特异性的表面靶点，能够确保治疗有效载荷精准地到达病变细胞。肽的小尺寸也进一步增强了组织穿透性。其次，肽可以通过设计使其具有非免疫原性，并且可以实现前所未有的药代动力学特性。此外，肽作为灵活的构建模块，能够与多种化学物质结合，适用于多种给药途径。

以 PQ203 为例，这是 ProteinQure 的旗舰产品，是一种靶向 Sortilin 受体（SORT1）的肽药物偶联物。SORT1 受体在三阴性乳腺癌患者的肿瘤组织中高表达，成为精准治疗的理想靶点。PQ203 将特异性肽与强效细胞毒药物单甲基奥拉斯他汀 E（monomethyl auristatin E）偶联，能够有效引导药物杀伤肿瘤细胞。2024 年 3 月，ProteinQure 公布了 PQ203 在多种患者来源异种移植（PDX）模型中的卓越抗肿瘤活性，特别是在对现有抗体药物偶联物（ADC）和化疗耐药的肿瘤模型中表现出显著疗效。基于这些积极数据，ProteinQure 已启动 GLP 毒理学研究，计划于 2025 年第二季度提交临床试验申请（IND）。

除了癌症治疗，ProteinQure 的技术还在其他领域有着广泛的应用前景。例如，在神经退行性疾病的治疗中，通过设计靶向特定受体的肽药物偶联物，有望实现对疾病的精准治疗。

使用 ProteinQure 的跨模态分析服务，用户首先需要明确自己的研究目标和数据需求。然后，将相关的数据上传到 Protein Studio™平台。平台会根据用户提供的数据，选择合适的分析方法，进行跨模态分析。

对于 PQ Librarian 工具，用户可以通过其在线界面，输入感兴趣的靶点，系统会自动输出不同肽库针对该靶点的评分。用户可以根据这些评分，选择最适合的肽库进行后续的实验研究。

在使用过程中，用户如果遇到问题，可以随时联系 ProteinQure 的技术支持团队。他们会提供专业的指导和帮助，确保用户能够顺利地使用平台的各项功能。

与其他蛋白质结构预测和药物设计工具相比，ProteinQure 具有独特的优势。例如，AlphaFold 虽然在蛋白质结构预测方面取得了重大突破，但它主要关注蛋白质的三维结构预测，而对于序列到功能的转化涉及较少。此外，AlphaFold 对于长链蛋白质的预测还存在一定的局限性。

ProteinQure 则不同，它不仅能够预测蛋白质的结构，还能够结合多种模态的数据，进行跨模态分析，实现序列到功能的转化。而且，其肽药物偶联物的设计具有高度的靶向性和特异性，能够有效减少副作用，提高治疗效果。

随着技术的不断发展，ProteinQure 的跨模态分析服务有望在更多领域得到应用。例如，在个性化医疗中，通过分析患者的基因数据和蛋白质表达数据，设计出个性化的肽药物偶联物，实现精准治疗。

此外，ProteinQure 还在不断探索量子计算在药物设计中的应用。量子计算机能够加速分子动力学模拟，提高药物设计的效率。未来，随着量子计算技术的成熟，ProteinQure 有望在药物设计领域取得更大的突破。

总之，ProteinQure 的跨模态分析服务为序列到功能转化提供了一种全新的解决方案。它凭借先进的技术、丰富的应用案例和专业的服务，正在成为生物医学领域的一颗新星。相信在不久的将来，它将为人类的健康事业做出更大的贡献。

该文章由dudu123.com嘟嘟 ai 导航整理，嘟嘟 AI 导航汇集全网优质网址资源和最新优质 AI 工具。