Modelado predictivo del comportamiento de la viscosidad dependiente de la concentración de soluciones de anticuerpos monoclonales utilizando redes neuronales artificiales

Por Jonathan Schmidt, Abbas Razvi y Christoph Grabentin

Las soluciones de anticuerpos monoclonales (mAb) pueden mostrar una mayor viscosidad en concentraciones altas, lo que puede ser una desventaja durante la purificación, suplementación y administración de proteínas. La viscosidad está determinada por las interacciones proteína-proteína, que se ven afectadas por la secuencia y las condiciones de la solución de los anticuerpos, como el pH, el tipo de tampón o la presencia de sales y otros excipientes. Para predecir la viscosidad, a menudo se utilizan parámetros experimentales como el parámetro de correlación de difusión (kD) o herramientas computacionales que utilizan información obtenida de la secuencia primaria, pero aún no existe una herramienta predictiva confiable. Presentamos un enfoque de modelado que utiliza redes neuronales artificiales (RNA) utilizando factores experimentales combinados con parámetros derivados de simulación y datos de viscosidad de 27 mAb altamente concentrados (180 mg/ml). Estas RNA se pueden utilizar para modelar si los mAb exhiben viscosidades complejas en diferentes concentraciones o curvas de viscosidad-concentración.

Jonathan Schmitt, Abbas Razvi y Christoph Grapentin (2023) Redes neuronales artificiales, mAb, 15:1, 2169440, DOI: 10.1080/19420862.2023.2169440