-
在抗體發現早期將可開發性納入考量
可開發性已被視為抗體臨床試驗獲得成功的關鍵驅動因素。傳統的“功能優先、可開發性其次”的篩選范式是按順序進行的，并非最佳方式，時常會獲得可開發性較差的候選抗體，需要進一步工程改造。
我們提倡在篩選抗體的過程中同時考慮可開發性和功能，這可以借助我們的計算平臺實現，不僅時間周期短而且成本極低。
-
利用我們充分驗證的計算模型（兩種版本）進行全面評估
全面豐富的計算模型，包括基于物理原理的模型和基于AI的模型
利用數千個內部數據點訓練AI模型；在多個可開發性預測任務中實現了SOTA（全球最佳表現）性能
經過多個內部項目的全面驗證和優化
時間周期短（最短1周）；只需提供抗體序列
高通量（HTP）版本，可快速評估多達1000個候選抗體
低通量（LTP）版本，可對部分候選抗體進行詳細的細粒度分析
-
XcelDev? Silico只需序列信息即可高度準確地預測可開發性
-
-
案例：XcelDev? Silico根據可開發性對30多個候選抗體進行評估和排序
利用XcelDev? Silico分析了36個通過了結合和功能篩選的苗頭抗體。我們預測了每種抗體的6種性質，并在0-1的范圍進行評分（以下圖中的顏色梯度顯示）。
我們計算了整體可開發性得分，對所有36個苗頭抗體進行排序。對前7位苗頭抗體（紅色方框）進行了表達以及一系列濕實驗可開發性測定，以驗證排序的有效性。所有7個苗頭化合物的測定結果均良好，Tm、SEC、AC-SINS和HIC結果如下所示。
