Metodo computazionale per l’ottimizzazione di sequenze biologiche
Informazioni sul brevetto
Numero di priorità
Data di priorità
Stato del brevetto
Licenza
Parole chiave
Drug Discovery, Machine Learning
Team di ricerca | Inventori
Accediper visualizzare i dati
Accediper scaricare il PDF
Decision Intelligence | Nuovi Farmaci E Terapie
Il design di nuove proteine (ad esempio anticorpi e enzimi) è oggetto di un intenso interesse nella ricerca chimica e farmaceutica, con un mercato di prodotti e servizi in espansione. Il presente brevetto riguarda una innovativa metodologia di machine learning per la generazione di sequenze di proteine ottimizzate per una specifica funzione biochimica.
La predizione di sequenze di proteine con una funzionalità specifica è un problema con enormi ricadute nel campo farmacologico, biomedicale e industriale. Uno degli approcci più utilizzati è costituito dal processo di evoluzione diretta, nel quale è possibile caratterizzare la funzionalità di librerie combinatorie di mutanti con lo scopo di selezionare le varianti con una accresciuta funzionalità biologica di interesse. Coniugando questi esperimenti con le recenti tecniche di sequenziamento del DNA è possibile acquisire una dettagliata mappatura dell'associazione genotipo-fenotipo della libreria combinatoria. La presente invenzione fa uso di un innovativo metodo di machine-learning che a partire dal sequenziamento della libreria produce una modellizzazione statistica accurata di questa associazione, permettendo la costruzione di modelli per la generazione di nuove sequenze aminoacidiche con funzioni biochimiche di interesse.