タンパク質表面解析装置を用いた凝集予測

背景

バイオ医薬品は、有効成分の大きさや複雑さだけでなく、製品の製造、保存、投与に関する要件においても、低分子医薬品とは異なります。例えば、抗体の製造は、哺乳類細胞での発現に依存する複雑なプロセスです。哺乳類細胞内で起こる翻訳後修飾は、タンパク質の適切な折り畳み、多量体化、および分泌を媒介します。 製造されたバイオ医薬品は、管理された保存条件下で高濃度を維持する必要があります。凝集は、製品の安全性、純度、および活性 を維持するために、製造および保存の全過程を通じて管理しなければならない主要なリスクの一つです。バイオ分子の相対的な凝集傾向を早期に評価し、プロジェクトの初期段階で凝集しやすい候補を排除することで、大幅な時間とコストの削減を実現できます。 一次配列情報に依存する多くの現行の凝集予測手法とは異なり、SchrödingerのAggScoreアルゴリズムは、完全に三次元分子構造構造 に基づいています。構造 に基づくAggScoreのアプローチは、既存の手法と比較して、特に比較対象となる構造の差異が非常に微細な状況において、より高い精度と幅広い汎用性を提供します。 AggScoreは、表面に露出している疎水性領域に加え、近隣領域の電荷傾向も考慮に入れています残基 。Protein Surface AnalyzerおよびAggScore指標は、1) 凝集傾向に基づくタンパク質のランク付けと選別、2) タンパク質やその他の生体分子の表面における凝集しやすい領域の分布の可視化、3)残基 変異が凝集挙動に及ぼす影響の信頼性の高い予測、に有用です。

137種類の臨床段階にある抗体のクロマトグラフィー保持時間を予測するためのAggScore

Three-dimensional structures of 137 clinical-stage mAbs were constructed using Schrödinger’s antibody modeling protocol. AggScore was then calculated for each of these structures and the scores compared with experimental retention times measured by Jian et al¹ using three chromatographic methods – HIC, SMAC and CIC. The antibodies’ elution characteristics were classified as “early elution” (retention time < 10 min) or “delayed elution” (retention time ≥ 10 min). Prediction performance results summarized in Table 1 indicate that AggScore had the best AUC compared to two other commonly used computational approaches – Zyggregator and Aggrecan. The results demonstrate that AggScore’s domain of applicability includes antibodies.

5つの治療用抗体のFv断片の表面における凝集しやすい領域の分布をマッピングし、凝集傾向に基づいてランク付けする

パッチ特性は、タンパク質のvdW表面から水プローブ距離（1.4 Å）離れた位置に投影された分子表面から算出された。タンパク質表面パッチの計算では、疎水性および親水性の表面ポテンシャル値に基づき、3つのクラスの表面パッチ（疎水性（緑）、正（青）、負（赤））が特定される。タンパク質表面パッチの計算に先立ち、入力構造の精製が行われた。 系のpHは適切な値に設定され、原子の電荷はOPLS3.0力場に従って割り当てられた。AggScoreは、凝集傾向が既知の5つの抗体構造のセットに対して算出された。このスコアにより、それらの凝集傾向を完全な順位順で予測することができた（図1）。

残基 変異が凝集挙動に及ぼす影響の予測

AggScoreを用いて、β-アミロイド（Aβ）のいくつかの変異体の凝集傾向を予測した。予測結果は、表2に示すように実験データと比較された。その結果、以下のことが示された：

• AggScoreの予測結果は、^Wurthら5が報告したように、野生型（WT）に比べて凝集が減少したAβの9つの単一変異体（L17Q、L17E、F19S、I31N、I32S、I32V、L34P、V36E）のうち8つについて、実験結果と一致した。 例外であるA2Sは、タンパク質のN末端に位置しており、AggScoreには寄与しない。
• AggScoreは、野生型と比較した4つの変異体の凝集傾向の降順を正確に再現した：WT > I41L > I41V > I41A > I41G。
• Aβの3つの家族性変異体、すなわちオランダ型（E22Q）、アイオワ型（D23N）、イタリア型（E22K）は野生型（WT）よりも凝集傾向が高く、一方、フランドル型（A21G）は野生型（WT）よりも凝集傾向が低いという予測は、van^Nostrandら4および^{Miravelleら2}による実験的研究の結果とよく一致している。

概要

タンパク質の凝集は、リード生体分子を効果的な生物学的製剤へと開発する上での大きな障害となっています。SchrödingerのAggScoreは、3次元入力構造の表面に投影された荷電領域および疎水性パッチ領域に対する残基 の寄与を考慮することで、凝集傾向を予測します。この手法は、抗体、酵素、ワクチン抗原など、さまざまな生物学的製剤カテゴリーにおける凝集問題の特定と軽減を支援するのに適しています。