全球货币企业展示

import自absci de_novo_model模块 = de_novo_model.load_latest() 抗原 = 模型.load_pdb("7olz.pdb", chain="A") 抗体 = 模型.predict(抗原, N=300000) import absci_library from codon_optimizer反向翻译(library) library.to_csv("covid-antibody-designs.csv") library.to_wet_lab(assay="ACE") import自absci lead_opt_model 铅优化器 = lead_opt_model.load_latest() library.naturalness = lead_optimizer.naturalness(library) 铅优化器.optimize(library).to_wet_lab(as say="SPR") import自absci genetic_algorithm; 参数=["maximize|binding_affinity:pH=7.5", "minimize|binding_affinity:pH=6.0", "maximize|human_naturalness"]; library = genetic_algorithm.multiparametric_optimization(library, 参数, evolutions=100); library.to_wet_lab(assays=["ACE", "SPR", "Bioassays"]) C O P Y R I G H t © 2 0 2 4 Ab S C I 企业 . A L L R I G H t S R E S E R V E D . 企业展示 FALL 2024

C O P Y R I G H t © 2 0 2 4 Ab S C I 企业 . A L L R I G H t S R E S E R V E D . 2 Disclaimers Forward-Looking Statements 本演示文稿中被视为前瞻性的部分声明并非历史事实，并受1995年《私人证券诉讼改革法》，一九三三年修订版《证券法》第二十七A节和一九三四年修订版《证券交易法》第二十一E节中“将”，“可能”，“预计”，“计划”，“相信”，“预测”，“估计”，“期望”，“预测”，“前进”，“目标”，“潜力”和“意图”等词语的声明即为前瞻性的。我们旨在通过这些前瞻性声明，包括关于我们的策略，估计的速度，成本优势，成功率提高，以及利用我们的AI药物创制平台发展药物治疗的扩展知识产权机会，根据合作协议到期待定的里程碑和版税支付，预计的成本，管理层的前景，计划和目标，我们的技术开发工作及其应用，包括通用平台化，加速药物发现和开发时间表，提高成功药物开发概率和开发更好的产品候选药物，我们与药物创制伙伴的相关药物研发活动及我们的内部治疗性资产项目，我们内部资产项目（包括ABS-101）的进展，包括我们的临床发展策略，各种开发阶段的进展和时间安排，包括候选药物选择，IND使能研究，开展临床试验和相关计划数据生成和披露，将临床前结果和数据转化为产品候选药物，及其重要性，对ABS-101的临床功效或产品配置与竞争分子的比较以及形成不同的临床功效或产品轮廓，将涵盖《证券法》和《证券交易法》第27A节和第21E节规定的前瞻性声明的安全港条款，我们为遵守这些安全港规定作出此声明。这些前瞻性声明反映了我们对当前计划，意图，期望，策略和前景的看法，这些看法基于我们当前获得的信息和我们做出的假设。我们不能保证计划，意图，期望或策略将被实现或达到，实际结果可能与前瞻性声明中描述的有所不同，并将受到各种风险和因素的影响，这些风险和因素超出了我们的控制范围，包括但不限于我们获得里程碑支付和版税的能力，从FDA和其他监管机构获取和维护必要的批准，在临床试验中重复临床前研究中观察到的积极或有希望的结果，我们依赖第三方支持我们的内部资产项目，包括对产品候选药物或其组成部分的临床前和临床用品进行制造和供应，我们能否有效与我们的合作伙伴或潜在合作伙伴合作进行研究，药物发现和开发活动，我们现有和潜在合作伙伴是否愿意并能够根据我们的合作协议条款推进开发和商业化项目或产品候选药物，以及整体市场情况和可能影响我们和合作夥伴在这些协议下活动的监管发展;以及那些在我们最近提交给美国证券交易委员会的最新周期性报告中设定的风险，以及我们随后在美国证券交易委员会的其他文件中讨论的潜在风险，不受法律约束，我们不承担公开更新任何前瞻性声明的义务，无论是因为新信息，未来事...

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N 。保留所有权利。 Absci是一个以数据为先导的生成AI药物创造公司。我们集成的AI和湿实验室平台旨在更快地设计更好的生物制品。•超高效的发现•一流的性能•访问困难的目标•揭示新的生物学。平台得到行业领先的合作伙伴支持，包括与阿斯利康，默克和英伟达的合作。不同化的实验室内循环：‘数据训练’，‘AI创造’和‘湿实验验证’在快速的6周周期内进行。潜在的‘最佳-in-类’和‘首-in-类’资产项目集中于细胞因子生物学。Abs-101领先资产，一种使用Absci的全新AI设计的差异化tL1A抗体，将于2025年上市。

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N 。保留所有权利。经过4个长迭代过程，导致具有次优属性的药物候选者。对治疗的属性控制有限。控制治疗学属性的有限性。选择表位的能力受到限制。从发现到工业化的5. 5年中，优化亲和力，优化毒性，优化可发展性。次优的候选药物<5%的成功率。从发现到上市的药物发现范式已经准备好被颠覆。问题——当前对生成AI的需求。

版权所有 © 2024 AbSCI公司。保留所有权利。生成式人工智能药物创制™工作流程感兴趣的目标AI前临床开发功能已确认的候选引线优化用于：亲和力、特异性、可开发性等AbSci与合作伙伴合作设定合作计划的目标：(1)目标抗原（2）目标抗原表位（如果已知）或全球表位勘测以识别最佳表位/MOA（3）药物模态，例如单克隆抗体（mAb）、双特异性、融合蛋白(4)目标TPP参数功能已验证的多参数人工智能优化

版权© 2024 AbS Corporation。保留所有权利。38重新设计临床批准的抗体，以对抗三种SARS-CoV-2变种。改善对beta的结合，同时不降低对alpha和delta的结合。alpha N501Y N501Y beta L452R E484Q E48.4万 K417N/t delta SARS-CoV-2变异体突变在受体结合域(RBD)中。SARS-CoV-2 RBD 表位残基变种病毒株 Fab KD (nM) Wt RBD alpha RBD beta RBD delta RBD 原始抗体 8.5 8.0 607 5.4 案例研究目标人工智能多价优化广谱SARS-CoV-2抗体 AI引导的领导优化

版权所有©2024年AbSCI科技公司。保留所有权利。模型训练保留数据集展示出良好的模型性能，与实验测量的AI预测的亲和力相关良好，每个训练集有超过7.5万个ACE Assay™ 数据点。代表性保留集（测试版）alpha beta delta 0.75 0.841 0.78 Pearson R亲本抗体AI预测ACE Assay Score™（亲和力）。湿实验室ACE Assay Score™（亲和力）1 2 1 ACE Score™与SPR测量的-log10 KD值之间存在高度相关性。AbSci的ACE Assay™平台生成大量高质量的训练数据，能够进行体外亲和力预测。AI引导的领先优化

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N . A L L R I G H t S R E S E R V E D . 40 SPR测量0.10.1 0.1 3预测的粘结剂对所有三种SARS-CoV-2变体的结合性做出了实验室评估。79% (31/39)的评估预测表现出比原始抗体对alpha、beta和delta更高的结合亲和力.AI模型搜索突变空间并验证了前几个预测。A I - G U I D E D L E A D O P t I m I Z A t I O N

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N . A L L R I G H t S R E S E R V E D . 41 SPR KD A C E散列表 Sc or e™ 大数据集模型训练模型预测SPR验证Predicted 1 Pr ed ic te d 2 Fab nm KD (折叠改进) alpha RBD beta RBD delta RBD Parental antibody 8.0 607 5.4 ABSCI001 2.7 (3倍) 16 (37倍) 1.9 (3倍) ABSCI002 1.5 (5倍) 24 (25倍) 0.8 (7倍) ABSCI003 0.9 (9倍) 32 (19倍) 0.6 (9倍) ABSCI004 1.1 (7倍) 37 (16倍) 1.4 (4倍) ABSCI005 1.3 (6倍) 40 (15倍) 0.8 (7倍) AI引导的引物优化平台提供了结合到所有三种所需变体的抗体。案例研究结果AI共同优化了对多种SARS-CoV-2变体的结合。A I - G U I D E D L E A D O P t I m I Z A t I O N

4 2 年 C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N。保留所有权利。半衰期延长生成表位选择DE NOVO DESIGN & AI-GUIDED LEAD OPTIMIZATION FOR IMPROVED THERAPEUTIC FUNCTIONALITIES • 通过增强 Fc 介导的回收来延长半衰期 • 减少用药间隔，降低 Cmax 引发的不良反应风险 • 改善药动学特性多价性 • 同时结合多个目标亚型，增加疗效 • 广谱抗体同时结合多个病毒变种，用于传染病 • 跨物种结合，提高成功率和速度新颖的 AI 设计功能 • 全球布局评估多个感兴趣的表位的所需功能 • 局部布局评估特定表位的多样化接口 • 使用引导优化模型进行界面细化，提高效力和/或可开发性感兴趣的表位 A I - G U I D E D L E A D O P t I m I Z A t I O N

布瑞斯基立志于两种将充电桩部署在公众领域，一种是为银行和零售商，一种是为政府和社区。它还将为物业所有者提供一个业务模式，如管理充电站和分析该地区对充电的需求，并根据需求实时调整充电机的使用情况。

C O P Y R I G H t © 2024 A b S C I C O R P O R A T I O N 。保留所有权利。TLS的存在与较长的无进展生存期和对免疫检查点抑制剂的更好反应有关[2,3]。 -R- 快速增长的证据说明TLS在肿瘤微环境中派生的抗体与积极的临床结果之间存在相关性[2]。TLS派生的抗体已被证明与患者中的癌细胞凋亡相关[2]。TLS是免疫活性（B细胞增殖和抗体产生）在慢性炎症组织中形成的中心[1]。来自TLS的抗体专门针对局部抗原，在慢性疾病和癌症的进展中起着重要作用，使它们不同于外周血液中的一般抗体群体[2]。 100 75 50 25 10 15 20 0 0 5 高Ig染色低Ig染色无进展（％）时间（月） P = 0.019 第三淋巴结构（TLS）：Absci反向免疫学方法的基石 [1] Pipi等人。《第三淋巴结构：自身免疫性局部化》。免疫学前沿（2018）[2] Meylan等人。《第三淋巴结构在肾细胞癌中产生和传播抗肿瘤抗体产生浆细胞》。免疫学（2022）[3] Helmink等人。《B细胞和第三淋巴结构促进免疫治疗反应》。自然（2020）

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N . A L L R I G H t S R E S E R V E D . 14潜在首创和最佳类资产内部管道 P I P E L I N E H I G H L I G H t S 潜在“最佳类” 潜在“首创类” 皮肤科/未公开炎性肠病/TL1A 免疫肿瘤学/未公开 A b S - 2 0 1 A b S - 3 0 1 A b S - 1 0 1万亿 A R G E t V A L L E A D C A N D I D A t E I N D - E N A b L I N G t H E R A P E U t I C A R E A / t A R G E t IND* 专注细胞因子生物学- 人工智能领域颠覆的第一个前沿附加早期发现计划*或同等监管申报

版权© 2024年 AbS Corporation。保留所有权利。47 ABS-301阻断了人类细胞中一种新的免疫抑制靶点。 ABS-301：源自患者的抗体阻断了一种新的免疫抑制靶点。目标发现：AbS-301假设：肿瘤通过上调ABS-301的靶点作为免疫逃避策略来限制免疫渗透。癌症中的ABS-301治疗可能释放免疫抑制并允许免疫细胞渗透肿瘤，从而产生强有力的抗肿瘤反应。初步证据表明，这种免疫逃逸机制可能独立于已知的免疫检查点，如PD1/PD-L1轴。ABS-301同位素对照同位素对照受体信号传导（Abs. 6200万 m, AU）浓度（M）

C O P Y R I G H t © 2024 A b S C I C O R P O R A t I O N . 全部权利保留 . 48 ABS-301在免疫肿瘤学t A R G E t D I S C O V E R Y中具有广泛潜力: A b S - 3 0 1 1 . Siegel等人，CA，2023，73（1），17-48 2. 评估药品 3. Baxter等人， Br J 癌症 125，1068-1079（2021）4. Lim，S.Y.等人， Nat Commun 14，1516（2023）5. Zhou S 等人，Front Immunol。，2023，14:1129465 6. Huang Y等人，Cancers（Basel），2023，15（10）:2733 7. Oualla k 等人，Cancer Control，2021，10732748211004878 美国2023年新病例 [1] 估计全球治疗市场（2028）[2]非小细胞肺癌23.8万 $560亿黑色素瘤9.8万 $140亿头颈部5.4万 $50亿胃食管道4.8万 $30亿 0 20 40 60 80 100 胃食管道头颈部黑色素瘤非小细胞肺癌预计在选择性肿瘤指标中ICI抵抗百分比率[3-7] ABS-301的免疫肿瘤学潜力正在全面评估中。

版权 © 2024年 ABS公司。保留所有权利。19平均 IC 50（纳米）人工智能平台设计的具有高亲和力和优越效力的先进领先产品 ABS-101 TL1A数据亮点高亲和力的 mAbs 具有保留交叉反应性的人工智能优化的低 pm 亲和力转化为优越或等效的效力预估性能的内部对比临床竞争分子递增亲和力递增效力ABS-101-A（DC）ABS-101-B ABS-101-C RVt-3 101# Mk-7 240# 表面等离子共振（SPR）亲和力细胞凋亡抑制实验 TF-1细胞中的递增亲和力（DC）人类TL1A千道（pm）

版权所有 © 2024 年阿斯奇公司。保留所有权利。20 人工智能表位选择使TL1A单体和三聚体都具有高亲和力，已选定的表位使高亲和力结合到TL1A单体和三聚体上。# 为内部比较生成的临床竞争试剂的预估性能。我们使用BLI值来比较单体和三聚体的结合，而不是绝对值，因为仪器对高亲和力的灵敏度限制。在上一张幻灯片中报告了基于SPR的绝对亲和力被认为更准确。对于像RVt-3101#这样的样本，SPR和BLI测得的亲和力之间的观察到的差异在BLI测得的皮克摩尔结合物的预期误差范围内。阿斯-101 TL1A数据的重点突出增加亲和力增加亲和力 RVt-3101 Mk-7240 TEV-48574 ABS-101-C ABS-101-A ABS-101-b

版权所有 © 2024 年阿斯奇公司。保留所有权利。21 有利的体外剖面和长时间给药间隔的药代动力学剖面在体外相比竞争对手具有更长的半衰期# 在体外FcRn测定中增加了回收 Tg32小鼠中的P K数据显示，与RVt-3101#和TEV-48574#相比，领先候选者在体内具有延长半衰期 P k参数 ABS-101-A ABS-101-C RVt-3101# TEV-48 574# t1/2（天）12 14 9 5 CL（mL/小时/kg）0.61 0.39 0.52 3.26 AUC0-∞（μg.d/mL）688 1060 805 128 Vss（mL/kg）198 148 121 197 1基于细胞的FcRn回收测定在HMEC-1细胞中。Grevys 2018 2 同源hFcRn Tg32小鼠模型，单剂i.v。 # 为内部比较生成的假定临床竞争分子的预估性能增加回收已回收的mAb浓度（n m）ABS-101-A（DC）RVt-3101# 10200 ABS-101-C 3040 TEV-49574#Her ce pt in Tra st uz umab A A Tra st uzumab LS ABS-101 TL1A数据的重点突出（DC）

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N . A L L R I G H t S R E S E R V E D . 22 A b S - 1 0 1 t L 1 A D A t A H IG H L IG H t S 致富金融(临时代码)-101显示比一代临床竞争对手的半衰期延长2-3倍，支持Q8W-Q12W的给药间隔。与临床开发中的抗体相比，ABS-101在NHPs中显示出增强的生物分布。由于更快的组织渗透速度，可能无需加载剂量，具有潜在的治疗优势。成功开发了200mg/mL的高浓度药物物质配方，以实现皮下注射。 NHPs中2-3倍的半衰期延长比一代临床竞争对手2-3倍非人灵长类动物（NHPs）中半衰期延长2-3倍支持潜在较长的给药间隔高浓度配方实现皮下注射2-3倍的半衰期延长负担住医学生物制品生产好东西(以太经典)奈米新科技支持空气能传输高体积、纳米粒子带来革命性IP 通讯金融。

C O P Y R I G H t © 2 0 2 4 A b S C I C O R P O R A t I O N . A L L R I G H t S R E S E R V E D . 23 人工智能平台设计ABS-101旨在实现最佳治疗效果致富金融(临时代码)-101数据展示属性ABS-101 巧克力公司（普罗米修斯） m k - 7 2 4 0 露华浓（罗伊万特）RVt-3101 赛诺菲（拜达）t E V - 4 8 5 7 4 高亲和力/效力 ü ü ü 单体和三聚体TL1A结合 ü ü 低免疫原性** ü ü1 1, 3 高生物利用度 ü ü1 1, 4 皮下注射 ü ü5 ü6 7 从Q8W到每季度一次的剂量 ü 1, 2 1, 2 *ABS-101参数由体外过程、体内指标和模拟半衰期延长评估所获得。** 低体外免疫原性指标评分和体外T细胞实验结果低。1 基于2期数据 2 每月一次的用药方案 3 82%的Ph2a参与者产生ADA，可能是由于大量免疫复合物的形成。 Danese等人 2021年 https://doi.org/10.1016/j.cgh.2021.06.011 4 基于2期数据，100mg/mL条件下45%的生物利用度 5 根据第3期方案，高剂量静脉注射，随后进行高剂量皮下注射。不确定是注射还是输注。NCT06052059，NCT06430801 6 预期的商用形态 7 根据2期方案，通过皮下输注而非注射进行管理，NCT05499130，NCT05668013 8 基于第20亿期方案，NCT05668013

24 A b S - 1 0 1 t L 1 A D A t A H I G H L I G H t S 克莉丝汀计划潜在最佳分子AI-设计的高级线索已经证明： ü高亲和力 ü高效力 ü长半衰期 ü有利的可制造性 2024年1月开始进行IND评估研究： ü于2月选择开发候选药物 ü皮下注射配方 ü有利的药代动力学和长半衰期 üNHPs中的高生物利用度低免疫反应性高耐受性（低毒性）开始进行第1阶段临床试验2H25 第1阶段中期数据公布

25 在2023年下半年合作价值超过90000万美元+版税最近的合作关系：“这次合作是一个激动人心的机会，利用Absci的de novo AI抗体创新平台，设计一个可能的新抗体治疗用于肿瘤治疗。” 阿斯利康，生物制品工程和肿瘤靶向递送高级副总裁"Almirall选择Absci是因为他们的de novo平台带来了真正带有创新性的解决方案，解决了行业面临的高度医疗需求的挑战性目标。"缔法，首席科学官兼研发EVP Dr . 卡尔齐格尔鲍尔临床商业版税以及成功药物发现合作伙伴的经济结构示意图前期和研究资金临床里程碑商业里程碑和版税

26 内部项目与潜在的最佳或首选类别项目通过业内领先的合作决定增长人工智能药物发现合作内部资产流水线合作数据和计算协作商标、服务标志或商标的引用知识产权归其各自业主所有。对此知识产权的使用并不意味着任何形式的隶属、认可或赞助三个具有潜在最佳或首选类别概况的内部项目通过行业领先的合作实现增长

版权所有 © 2024年Absci公司。保留所有权利。27位创新者领导团队横跨人工智能和生物技术，改变药物发现方式。一流团队商标、服务标志或商标名称在此提及，为其各自所有者的知识产权。使用此知识产权并不意味着任何形式的隶属、认可或赞助。卡伦·麦吉尼斯，注册会计师，前Illumina首席行政官。阿姆里特·纳格帕尔，董事总经理，Redmile集团。约瑟夫·西罗什，博士，前Compass首席技术官，亚马逊和微软副总裁。丹·拉比诺维奇，连接副总裁，Meta公司。弗兰斯·范豪滕，董事会主席，前皇家飞利浦首席执行官。董事会：西尔·梅尼·潘加洛斯，博士，前阿斯利康研发执行副总裁。领导团队：肖恩·麦克莱恩，创始人、首席执行官和董事。安德烈亚斯·布希，博士，首席创新官。扎克·约纳松，博士，首席财务官兼首席商务官。阿马罗·泰勒-韦纳，博士，高级副总裁、首席人工智能官。卡琳·威林克，首席人才官。克里斯蒂娜·莱姆克，博士兽医，高级副总裁，投资组合和增长策略。佩内洛普，首席士气官。谢尔比·沃克，法学博士，首席法务官。

版权所有 © 2024年Absci公司。保留所有权利。28号超过160家，面积77,000平方英尺，超过52000万美元。具有人工智能、药物发现、免疫学和合成生物学深厚经验的Unlimiters。先进的药物研制和湿实验室空间位于华盛顿州温哥华，Absci人工智能研究实验室位于纽约市，以及瑞士楚格创新中心。迄今筹集的资本。来自生物制品药物发现领域的专业知识：来自领先人工智能团队的专业知识：Absci的人才和基础设施，为更快获得更好的生物制品。商标、服务标志或商标名称在此提及，为其各自所有者的知识产权。使用此知识产权并不意味着任何形式的隶属、认可或赞助。处于良好位置以交付。

31版权所有 © 2024 AbSCI公司。保留所有权利。生成式人工智能药物创造™工作流程感兴趣的目标人工智能全新临床前开发已确认功能的候选主导针对亲和力、特异性、可发展性等进行了优化 AbSci与其合作伙伴合作设定合作计划的目标：(1)目标抗原 (2)已知的目标抗原表位或全球表位作图以确定最佳表位/MOA (3)药物模式，例如单克隆抗体、双特异性、融合蛋白 (4)目标TPP参数已验证多参数人工智能优化

版权所有 © 2024 AbSCI公司。保留所有权利。 33示例：HER2抗体的全新设计通过为HER2设计HCDR3和HCDR123展示了“零样本”模型评估了多种参数： •结合速率 •序列多样性 •免疫原性 •功能性 •可发展性 POC演示 1.全新模型生成了多样化、新颖且高亲和力的变体，优于基线 2.展示了高水平的特异性 3.在体外表现出与曲妥珠单抗相比更高的效力 4.实现了多维度的主导优化 •期望的跨物种反应性和特异性 •最佳可发展性 POC模型全新设计

版权所有 © 2024 AbSCI公司。保留所有权利。34个人工智能生成的多样化、新颖且高亲和力的结合物，表现优于生物学基准。HER2抗体的全新设计搜索空间大小：百万、十亿、万亿、千万亿。9.0 8.5 8.0 7.5 7.0 6.5 6.0 2 3 4 5 6 7 8 9 10 11 1200万已测定的结合亲和力(- log10万D(m))序列多样性（编辑到曲妥珠单抗的距离）。人工智能设计野生型多样化、新颖、高亲和力的结合物• 在13个氨基酸的CDR区域中最多有12个突变（2013的搜索空间）。表现优于生物学基准• 全新设计的HCDR3s相较于随机OAS基准实现了4倍的提升。新结合物的亲和力最高达3.4纳米，以mAb格式在SPR中测得。HER2结合率% 随机基准生物学基准零远程新生成设计 1

35版权所有 © 2024 AbSCI公司。保留所有权利。全球外表位地形和本地界面演化地表位地形和本地界面演化可以用于提高亲和力、效力并潜在揭示新的作用机制（MoAs）。全新人工智能模型允许在抗原上采样多个表位界面，以定位期望的MoA。本地表位地形选定表位后，全新模型会彻底采样与指定表位的界面接触，以进一步精细化效力和MoA。全新和引导优化的人工智能模型进一步实现全球和本地表位地形。除了优化抗体变体以便进行开发，人工智能引导优化模型还会对表位界面及其周围相邻区域进行取样，以进一步提高效力和MoA。感兴趣的表位感兴趣的表位表位+相邻区域全新人工智能模型全新人工智能模型人工智能引导优化模型

36人工智能引导的领先优化从全新设计到使用人工智能进行多参数领先优化的目标发现和无新方法的逆向免疫学以目标发现为特色。人工智能引导的领先优化多参数优化的抗体人工智能引导的抗体药物创作全新设计的人工智能抗体

版权所有 © 2 0 2 4 Absci公司。保留所有权利。生成式人工智能药物创作™ 流程感兴趣的目标 De novo人工智能临床前开发功能已确认的候选引物，优化用于：亲和力，特异性，可发展性等Absci与合作伙伴合作设定合作计划的目标：(1) 靶抗原 (2) 已知的靶抗原表位或全局表位定位，以确定最佳表位/MOA (3) 药品模式，例如mAb，双特异性，融合蛋白 (4) 靶标TPP参数功能验证多参数人工智能优化

版权所有 © 2 0 2 4 Absci公司。保留所有权利。38重新设计已经临床批准的抗体，针对三种SARS-CoV-2变异体改善对beta的结合，而不降低对alpha和delta的结合alpha N501Y N501Y beta L452R E484QE48.4万 K417N/t delta SARS-CoV-2变异体突变在受体结合域（RBD）上SARS-CoV-2 RBD表位残基菌株突变Fab KD（nM）Wt RBD alpha RBD beta RBD delta RBD母抗体 8.5 8.0 607 5.4案例研究目标人工智能多价共同优化广谱SARS-CoV-2抗体AI-引导的引物优化

版权所有 © 2 0 2 4 Absci公司。保留所有权利。模型训练留出数据集表现出与实验测量很好相关的AI预测亲和力训练后的强大模型表现 >7.5万 ACE Assay™ 数据点每个训练集代表性留存集（beta）alpha beta delta 0.75 0.841 0.78皮尔逊相关系数母抗体AI-预测的ACE Assay得分™（亲和力）湿实验ACE Assay得分™（亲和力）1 2 1观察到ACE Score™与SPR测量的-log10 KD值之间的高相关性Absci的ACE Assay™平台生成大量高质量训练数据，实现了基于计算的亲和力预测AI-引导的引物优化

版权所有 © 2024 AbSCI公司。保留所有权利。41 SPR KD ACE Assay Score™ 大型优质数据集模型训练模型预测 SPR验证预测 1 预测 2 Fab nm KD（倍数提高）α-RBD β-RBD δ-RBD 母抗 8.0 607 5.4 ABSCI001 2.7（3倍） 16（37倍） 1.9（3倍） ABSCI002 1.5（5倍） 24（25倍） 0.8（7倍） ABSCI003 0.9（9倍） 32（19倍） 0.6（9倍） ABSCI004 1.1（7倍） 37（16倍） 1.4（4倍） ABSCI005 1.3（6倍） 40（15倍） 0.8（7倍） AI引导的领先优化平台可提供对所有三种所需变体具有改进结合力的抗体案例研究结果 AI共优化多种SARS-CoV-2变体的结合 AI-引导的引导优化

42版权所有 © 2024 AbSCI公司。保留所有权利。延长半衰期选择表位 DE NOVO设计和AI-引导的引导优化以提高治疗功能性 • 通过增强Fc介导的回收来延长半衰期 • 减少给药间隔和降低Cmax驱动的不良事件风险 • 改善药代动力学特性多价性 • 通过同时结合多个期望的同素构而增加效力 • 针对传染病的多种病毒变体具有同时结合多个病毒变体的广谱抗体 • 交跨物种结合以提高成功率和速度新型AI设计的功能性 • 全球布局评估多个感兴趣的表位以获得所需功能性 • 局部布局评估特定表位的多样的界面 • 通过引导优化模型对界面进行优化，以提高效力和/或开发性感兴趣的表位 AI-引导的引导优化

版权所有 © 2024 AbSCI公司。保留所有权利。TLS的存在与较长的无进展生存时间和更好的对免疫检查点抑制剂的反应有关[2,3]。快速发展的证据表明，TLS来源抗体在肿瘤微环境中与积极的临床结果之间存在相关性[2]。已显示TLS来源抗体与患者体内癌细胞凋亡有关[2]。TLS是免疫活动的中心（B细胞增殖和抗体产生），在慢性炎症组织中形成[1]。来自TLS的抗体专门针对局部抗原，并在慢性疾病和癌症进展中发挥重要作用，使其与外周血液中的普通抗体有所不同[2]。100 75 50 25 10 15 20 0 0 5高Ig染色低Ig染色无进展（%）时间（月）P=0.019第三淋巴样结构（TLS）：AbSci反向免疫方法的基石

亚 B S C I C O R P O R A t I O N 2 0 2 4 年版权所有。保留所有权利。46 通过人类TLS活检计算重构抗体高通量蛋白质组学筛选技术，涵盖人类蛋白质组几乎完整。A B S - 3 0 1: 重构患者来源抗体显示对一种新的潜在免疫肿瘤靶标有高度特异和潜在的结合。ABS-301 KD: 26.5nm 生物层间干涉验证了针对一种新的未公开靶标的强大和特异结合。发现一种新的免疫调节抗体 ABS-301万亿 A R G E t 探索：亚 B S - 3 0 1

亚 B S C I C O R P O R A t I O N 2 0 2 4 年版权所有。保留所有权利。47 ABS-301阻断人类细胞中一种新的免疫抑制性靶标ABS-301：源自患者的抗体阻断一个新的免疫抑制性靶标探索：亚 B S - 3 0 1 假设：肿瘤通过上调 ABS-301 的靶标作为免疫逃避策略来限制免疫浸润。在癌症中使用 ABS-301 可能会释放免疫抑制，允许免疫细胞浸润肿瘤，促使强有力的抗肿瘤反应。初步证据表明这种免疫逃避机制可能独立于已知的免疫检查点，如 PD1/PD-L1轴。ABS-301同位素对照Re ce pt or s ig na llin g （Abs 。62000万m，AU）浓度（M）

亚 B S C I C O R P O R A t I O N 2 0 2 4 年版权所有。保留所有权利。48 ABS-301在免疫肿瘤学中具有广泛潜力探索：亚 B S - 3 0 1 1. Siegel等，CA，2023，73（1），17-48 2. 评估制药 3. Baxter等，Br J Cancer 125，1068-1079（2021）4. Lim, S.Y.等，Nat Commun 14，1516（2023）5. 周S等，Front Immunol.，2023，14:1129465 6. 黄Y等，Cancers（Basel），2023，15（10）：2733 7. Oualla k等，Cancer Control，2021，10732748211004878 美国 2023 年新病例估计全球治疗市场（2028年） NSCLC 23.8万 $560亿黑色素瘤 9.8万 $140亿头颈部 5.4万 $50亿胃食管 4.8万 $30亿 0 20 40 60 80 100 胃食管头颈部黑色素瘤非小细胞肺癌百分比估算的 ICI-耐药率在选择性肿瘤指标中 Comprehensive profiling of ABS-301的免疫肿瘤潜力正在进行中。