利用蛋白质表面分析仪进行聚集预测

背景

生物制剂与小分子药物不仅在活性成分的大小和复杂性上有所不同，在产品生产、储存和给药要求方面也存在差异。例如，抗体的生产是一个复杂的过程，依赖于哺乳动物细胞的表达。哺乳动物细胞中发生的翻译后修饰，介导了蛋白质的正确折叠、多聚化和分泌。 生物制剂生产完成后，必须在受控的储存条件下保持高浓度。聚集是生产和储存过程中必须加以管控的关键风险之一，以确保产品的安全性、纯度和效力。通过在项目初期阶段对生物分子的相对聚集倾向进行早期评估，并剔除易聚集的候选分子，可以显著节省时间和资金成本。 与许多依赖一级序列信息的现有聚集预测方法不同，Schrödinger的 AggScore 算法完全基于三维分子结构。与现有方法相比，AggScore 的基于结构的方法具有更高的准确性，且适用范围更广，特别是在比较结构之间的差异非常细微的情况下。 除了表面暴露的疏水区域外，AggScore 还会考虑相邻残基的电荷倾向性。蛋白质表面分析器（Protein Surface Analyzer）和 AggScore 指标可用于：1）根据聚集倾向性对蛋白质进行排序和分级；2）可视化蛋白质及其他生物分子表面易聚集区域的分布；3）可靠地预测残基突变对聚集行为的影响。

用于预测137种临床阶段抗体色谱保留时间的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.

绘制5种治疗性抗体 Fv片段表面易聚集区域的分布图，并按聚集倾向进行排序

通过将蛋白质范德华（vdW）表面的分子表面在距离蛋白质范德华表面1.4 Å的水探针距离处进行投影，计算了表面片段的性质。蛋白质表面片段计算根据相应的疏水和亲水表面电位值，将表面片段分为三类：疏水（绿色）、正电荷（蓝色）和负电荷（红色）。在进行蛋白质表面片段计算之前，对输入结构进行了精修。 系统pH值被设定为适当值，并根据OPLS3.0力场为原子分配了电荷。AggScore是基于一组具有已知聚集倾向的五种抗体 结构计算得出的。该评分能够以完全正确的排序准确预测其聚集倾向（图1）。

预测残基突变对聚集行为的影响

利用AggScore预测了β-淀粉样蛋白（Aβ）的几种突变体的聚集倾向。将预测结果与实验数据进行了比较，如表2所示。结果表明：

• 根据Wurth^等人⁵的报道，Aβ的9个单点突变体（L17Q、L17E、F19S、I31N、I32S、I32V、L34P、V36E）中有8个与野生型（WT）相比聚合程度降低，AggScore预测结果与实验结果一致。 唯一的例外是A2S，它位于蛋白质的N端，因此不计入AggScore的计算。
• AggScore 完全再现了这四种突变体相对于野生型在聚合倾向上的递减顺序：WT > I41L > I41V > I41A > I41G。
• 关于三种Aβ家族性变异——荷兰型（E22Q）、爱荷华型（D23N）和意大利型（E22K）——的聚集倾向高于野生型（WT），而佛兰德斯型（A21G）的聚集倾向低于野生型（WT）这一预测，与van^{Nostrand等人⁴}和^{Miravelle等人}²进行的实验研究结果基本一致。

摘要

蛋白质聚集是先导化合物 生物分子开发为有效生物治疗药物的主要障碍。Schrödinger的AggScore方法通过考虑残基对投影到三维输入结构表面的带电和疏水斑块区域的贡献，来预测聚集倾向。该方法非常适合用于协助识别和缓解各类生物制品（包括抗体、酶和疫苗抗原）中的聚集问题。