SubsidieMeestersHaalbaarheid van het Formula Y-platform voor versnelde antilichaam ontwikkeling
Het project richt zich op het versnellen van de ontwikkeling van nieuwe antilichaamtherapieën door generatieve machine-learning algoritmes te gebruiken voor het ontwerpen van specifieke antilichamen.
Projectdetails
Inleiding
De ontwikkeling van nieuwe medicijnen is een langdurige en kostbare aangelegenheid. Gemiddeld duurt het 12 jaar voordat een nieuw medicijn de markt op kan.
Antilichamen als Medicijnen
Er is een groeiende ontwikkeling van het gebruik van antilichamen als medicijnen voor verschillende ziektebeelden. Antilichamen zijn Y-vormige eiwitmoleculen die door het afweersysteem van het lichaam worden geproduceerd wanneer antigenen het lichaam zijn binnengedrongen.
Wat zijn Antigenen?
Antigenen zijn meestal eiwitten die zich bevinden aan het oppervlak van een pathogeen (ziekteverwekker), vaak een virus of bacterie. Bij bepaalde ziekten komen antigenen niet van buitenaf, maar uit het lichaam zelf, zoals bij bepaalde typen kanker of auto-immuunziekten.
Potentieel van Antilichamen
Antilichamen kunnen ook buiten het lichaam worden ontwikkeld en hebben een grote potentie als nieuwe behandelingsmethode voor bepaalde ziektebeelden. Ze zijn zeer specifiek voor het doelwit (de antigenen), die verschillende bindingsplaatsen (epitopen) kunnen hebben. Hierdoor is de ontwikkeling van antilichamen zeer tijdrovend en kostbaar.
Huidige Ontwikkelingsmethoden
Op dit moment wordt de eerste stap in de ontwikkeling van antilichamen gedaan met zogenoemde phage display (faagdisplay). Daarin worden grote bibliotheken met meer dan een biljoen antilichamen gescreend op mogelijke antilichaamkandidaten. Dit vergt zeer veel experimenten om resultaten te bereiken, met een hoge kans op mislukking.
Innovatie door Machine Learning
Door middel van een generatief machine-learning algoritme denkt [Aanvrager/Partner] het ontwerpen en ontwikkelen van nieuwe antilichamen voor specifieke doelwitten te kunnen versnellen. Dit algoritme kan op basis van hi...
Financiële details & Tijdlijn
Financiële details
| Subsidiebedrag | € 20.000 |
Tijdlijn
| Startdatum | Onbekend |
| Einddatum | Onbekend |
| Subsidiejaar | 2023 |
Partners & Locaties
Projectpartners
- Aanvrager geen rechtspersoonpenvoerder
Land(en)
Vergelijkbare projecten binnen MIT Haalbaarheid
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Aeonian Plus SysteemAeonian Biotech ontwikkelt het Aeonian Plus Systeem om de selectie van hoogwaardige antilichamen te automatiseren en verbeteren, wat leidt tot efficiëntere en kosteneffectieve diagnostische processen. | Mkb-innovati... | € 20.000 | 2023 | Details |
InnomABsIPA onderzoekt de haalbaarheid van het ontwikkelen van menselijke eiwitten als alternatief voor antibiotica tegen antimicrobiële resistentie. | Mkb-innovati... | € 14.888 | 2023 | Details |
Haalbaarheidsstudie naar de ontwikkeling van een screeningsplatform voor de ontwikkeling van nieuwe TCRmimic immunotherapieënImuno onderzoekt de ontwikkeling van een in silico peptide:HLA-specifieke antistof bibliotheek om snellere en goedkopere immunotherapieën voor kankerpatiënten te realiseren. | Mkb-innovati... | € 20.000 | 2023 | Details |
Antilichaam voor Parkison behandelingAugmentor Management ontwikkelt een specifiek antilichaam tegen alphasynucleine oligomeren om de progressie van de ziekte van Parkinson te remmen en zoekt haalbaarheid voor verder onderzoek. | Mkb-innovati... | € 20.000 | 2021 | Details |
Drug Discovery IntelligenceHet project ontwikkelt een AI-gestuurde softwareapplicatie om risico's in de medicijnontwikkeling te verminderen door het voorspellen van therapeutische targets en drug-target interacties. | Mkb-innovati... | € 20.000 | 2020 | Details |
Aeonian Plus Systeem
Aeonian Biotech ontwikkelt het Aeonian Plus Systeem om de selectie van hoogwaardige antilichamen te automatiseren en verbeteren, wat leidt tot efficiëntere en kosteneffectieve diagnostische processen.
InnomABs
IPA onderzoekt de haalbaarheid van het ontwikkelen van menselijke eiwitten als alternatief voor antibiotica tegen antimicrobiële resistentie.
Haalbaarheidsstudie naar de ontwikkeling van een screeningsplatform voor de ontwikkeling van nieuwe TCRmimic immunotherapieën
Imuno onderzoekt de ontwikkeling van een in silico peptide:HLA-specifieke antistof bibliotheek om snellere en goedkopere immunotherapieën voor kankerpatiënten te realiseren.
Antilichaam voor Parkison behandeling
Augmentor Management ontwikkelt een specifiek antilichaam tegen alphasynucleine oligomeren om de progressie van de ziekte van Parkinson te remmen en zoekt haalbaarheid voor verder onderzoek.
Drug Discovery Intelligence
Het project ontwikkelt een AI-gestuurde softwareapplicatie om risico's in de medicijnontwikkeling te verminderen door het voorspellen van therapeutische targets en drug-target interacties.
Vergelijkbare projecten uit andere regelingen
| Project | Regeling | Bedrag | Jaar | Actie |
|---|---|---|---|---|
Computer aided de novo design of nanobodiesThe project aims to automate the design of fully de novo nanobodies with nanomolar affinity using AI-driven methods, eliminating animal use and enhancing efficiency in antibody development. | ERC Proof of... | € 150.000 | 2024 | Details |
Computational design of synthetic antibody repertoires for accelerated therapeutic discoveryCADABRE aims to design and optimize diverse human antibody repertoires with enhanced stability and developability for therapeutic discovery using advanced protein design and AI-driven screening methods. | ERC Advanced... | € 2.741.000 | 2024 | Details |
Accelerated Discovery Nanobody PlatformThe ALADDIN project aims to revolutionize therapeutic antibody discovery for cancer by integrating nanobody technology, AI tools, and innovative models to enhance efficiency and reduce reliance on animal testing. | EIC Pathfinder | € 3.315.441 | 2024 | Details |
Learning the interaction rules of antibody-antigen bindingThis project aims to enhance antibody-antigen binding prediction by generating large-scale sequence and structural data through high-throughput screening and machine learning techniques. | ERC Consolid... | € 2.000.000 | 2024 | Details |
Precision control of glycosylation to open a new era of therapeutic antibodiesGlycoBoost aims to revolutionize monoclonal antibody design by producing therapeutics with uniform N-glycans, enhancing safety and efficacy for autoimmune disease treatments. | EIC Transition | € 2.499.540 | 2025 | Details |
Computer aided de novo design of nanobodies
The project aims to automate the design of fully de novo nanobodies with nanomolar affinity using AI-driven methods, eliminating animal use and enhancing efficiency in antibody development.
Computational design of synthetic antibody repertoires for accelerated therapeutic discovery
CADABRE aims to design and optimize diverse human antibody repertoires with enhanced stability and developability for therapeutic discovery using advanced protein design and AI-driven screening methods.
Accelerated Discovery Nanobody Platform
The ALADDIN project aims to revolutionize therapeutic antibody discovery for cancer by integrating nanobody technology, AI tools, and innovative models to enhance efficiency and reduce reliance on animal testing.
Learning the interaction rules of antibody-antigen binding
This project aims to enhance antibody-antigen binding prediction by generating large-scale sequence and structural data through high-throughput screening and machine learning techniques.
Precision control of glycosylation to open a new era of therapeutic antibodies
GlycoBoost aims to revolutionize monoclonal antibody design by producing therapeutics with uniform N-glycans, enhancing safety and efficacy for autoimmune disease treatments.