利用蛋白质语言模型中的偏好优化实现细胞疗法中的靶点成熟
机器学习
2024-12-04 v2
摘要
细胞和免疫疗法为治疗癌症和自免疫疾病提供了变革性潜力，通过调节免疫系统。但这些疗法的开发成本高昂，大多数药物候选物在实验室测试后无法继续推进。虽然近期机器学习进步在蛋白质工程等领域取得了突破，但在免疫疗法中的应用仍有限，这主要源于大规模标准化数据稀缺以及细胞系统的复杂性。本文通过利用高通量实验平台生成数据，使其适合用于微调蛋白质语言模型。我们展示了使用偏好任务微调的模型与生物测定结果之间出人意料的相关性，并可用于CARs的少样本靶点成熟。该概念证明为将机器学习应用于免疫疗法提供了新途径，并可能适用于其他治疗模式。
引用
@article{arxiv.2412.01388,
title = {Harnessing Preference Optimisation in Protein LMs for Hit Maturation in Cell Therapy},
author = {Katarzyna Janocha and Annabel Ling and Alice Godson and Yulia Lampi and Simon Bornschein and Nils Y. Hammerla},
journal= {arXiv preprint arXiv:2412.01388},
year = {2024}
}