from absci import de _ novo _ model model = de _ novo _ model.load _ latest（）antigen = model.load _ pdb（“7olz.pdb”，chain =“a”）antibodies = model.predict（antigen，n = 300000）from absci _ library import codon _ optimizer.reverse _ translate（library）library.to _ csv（“covid-antibody-designs.csv”）library.to _ wet _ lab（assay =“ACE”）from absci import lead _ opt _ model lead _ optimiz“生物测定”]）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. A L L R I G H T S R E S E R V E D.公司介绍2024年夏季
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. A L L R I G H T S R E S E R V E D. 2免责声明前瞻性陈述本演示文稿中某些非历史事实的陈述被视为1995年《私人证券诉讼改革法》、经修订的1933年《证券法》第27A条和1934年《证券交易法》第21E条含义内的前瞻性陈述，经修正，包括包含“将”、“可能”、“预期”、“计划”、“相信”、“预测”、“估计”、“预期”、“预测”、“推进”、“目标”、“潜在”和“打算”等词语的陈述，或类似表述。我们打算做出这些前瞻性陈述，包括关于我们的战略、估计的速度、成本优势、提高的成功率、利用我们的AI药物创造平台开发疗法所带来的扩大的知识产权机会、根据我们的合作协议应支付的潜在里程碑和特许权使用费、预计成本、前景、管理的计划和目标、我们的技术开发努力和这些努力的应用的陈述，包括用于推广我们的平台、加快药物发现和开发时间表、增加药物开发成功的可能性和开发更好的候选产品、我们与药物创造合作伙伴关系相关的药物发现和开发活动以及我们的内部治疗资产计划，我们的内部资产项目（包括ABS-101）的进展、里程碑和成功，包括我们的临床开发战略、包括候选药物选择、IND授权研究、启动临床试验以及与这些项目相关的数据的生成和披露等不同开发阶段的进展和时机，将临床前结果和数据转化为候选产品，以及临床前结果的重要性，包括与ABS-101的竞争对手分子进行比较以及在导致差异化临床疗效或产品概况方面，将涵盖在《证券法》第27A条和《证券交易法》第21E条中包含的前瞻性陈述的安全港条款中，我们做出此声明的目的是为了遵守这些安全港条款。这些前瞻性陈述反映了我们目前对我们的计划、意图、期望、战略和前景的看法，这些看法是基于我们目前可获得的信息和我们所做的假设。我们不能保证计划、意图、期望或战略将会实现或实现，此外，实际结果可能与前瞻性陈述中描述的结果存在重大差异，并将受到我们无法控制的各种风险和因素的影响，包括但不限于与我们获得里程碑付款和特许权使用费的能力、获得并维持FDA和其他监管机构的必要批准、在临床试验中复制临床前研究中观察到的积极结果、我们依赖第三方来支持我们的内部资产计划相关的风险和不确定性，包括制造和供应我们的候选产品或其组件的临床前和临床用品，我们与合作伙伴或潜在合作伙伴在研究、药物发现和开发活动方面进行有效合作的能力，我们现有和潜在合作伙伴根据我们的合作协议条款追求项目或候选产品的开发和商业化的能力和意愿，以及可能影响我们和我们的合作伙伴在这些协议下的活动的整体市场状况和监管发展；以及我们最近向美国证券交易委员会提交的定期报告中提出的风险，以及我们随后向美国证券交易委员会提交的文件中对潜在风险、不确定性和其他重要因素的讨论。除法律要求外，我们不承担公开更新任何前瞻性陈述的义务，无论是由于新信息、未来事件或其他原因。市场和统计信息本演示文稿还包含独立方和我们就市场规模和增长以及其他行业数据做出的估计和其他统计数据。这些数据涉及许多假设和限制，请注意不要对这些估计给予不应有的权重。我们没有对独立方产生的数据进行独立验证，无法保证其准确性或完整性。商标使用本演示文稿/文件/网页包含对我们的商标和服务标记以及属于第三方的商标和服务标记的引用。Absci ®，The Absci logo mark（），soluPro ®，Bionic SoluPro ®， 和SoluPure ®是Absci在美国专利商标局注册的商标。我们还在业务中使用其他各种商标、服务标记和商号，包括Absci AI logo mark（）、Unlimit with US mark（）、Unlimit symbol（）、Bionic protein ™、Bionic Enzyme ™、Bionic Antibody ™、Denovium ™、Denovium Engine ™、Drug Creation ™、Integrated Drug Creation ™、HiPRBind ™、HiPRBind Assay ™，将想法转化为药物™，将想法转化为Impact ™，我们将想法转化为药物™，以AI ™的速度创造药物，为患者提供更好的生物制剂，更快™，只需点击一个按钮就能获得突破性疗法，为所有人™，我们将想法转化为Impact ™。本演示文稿/文档/网页中提及的所有其他商标、服务标记或商品名称均为其各自所有者的知识产权。仅为方便起见，本演示文稿/文件/网页中的商标和商品名称可使用或不使用商标符号进行引用，但省略符号的引用不应被解释为其各自所有者不会根据适用法律在最大程度上主张其权利的任何指标。
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. A L L R I G H T S R E S E R V E D. Absci是一家数据优先的生成AI药物创建公司，我们的集成AI & Wet Lab平台旨在更快地设计出更好的生物制剂•超高效发现•一流性能•访问困难目标•解锁新型生物学P L A T F O R M V A L I D A TE D T H R O U G H I N D US T R Y-L E A D I N G P A R T N E R S H I P S I N C L U D I N G W I T H A S T R A Z E N E C A，M E R C K A N D N V I D I A D I F F E R E N T I A T E D L A B-I N-A-L O P：‘D A T A T O T R A I N’，‘A I T O C R E A T E’，&‘W T L A B T O V A L I D A T E’I N R A P I D 6-W E K C Y C L E S I N T E R N A L P I N E O F P O T E N T I A L Y‘B E S T-I N-C L A S’&‘F I R S T-I N-C L A S’AS E T P R O G R A M S F O C U S E D O N C Y T O K I N E B I O L O G Y L E A D A S E T A B S-101，A D I F F E R E N T I A T E D T L 1 A A A N T I B O D Y D E S I G N E D U S I N G A B S C I’s D E N O V O A I A D V A N C I N G T O W A R D S C L I N I C I N E A R L Y 2025
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. A L L R I G H T S R E S R V E D. 4 L O N G I T E R A T I V E P R O C E S R E S U L T I N G I N D R U G C A N D I D A T E S W I T H SU B O P T I M A L A T R I B U T E S L I M I T E D C O N T R O L O F A T R I B U T E S O F T H E R A P E U T I C S N O A B I L I T Y T O S E E C T E P I T O P E 5。5 Y E A R S F R O M D I S C O V E R Y T O I N D Optimize for Affinity Optimize for Toxicity Optimize for Developability Suboptimize Candidate < 5% s UC C E S R A T E F R O M D I S C O V E R Y T O L A U N C H药物发现范式成熟For Disruption T H E P R O B L E M — C U R R E N T N E D F O R G E N E R A T I V E A I
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. A L L R I G H T S R E S E R V E D. 5 W H H A S N’t G E N E R A T I V E A I T R A N S F O R M E D B I O L O G I C D R U G D I S C O VE R Y？释放生成性AI在生物学中的潜力需要可扩展的生物数据S M A L L M O L E C U L E B I O L O G I CV。广泛的图书馆限制了公共数据和技术，以扩展一致的数据且准确数据有限B I O L O G I C S R E Q U I R E L I V I N G O R G A N I S M S T O P R O D U C E D R U G V A R I A N T S F O R T E S T I N G U N L O C K I N G T H E P O T I A L O F G E N E R A T I V EA I I N B I O L O G Y……需要生成可扩展的生物数据WET LAB AI
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. A L L R I G H T S R E S E R V E D. T H E S O L U T I O N Absci的大肠杆菌Solupro细胞系产生数十亿个细胞，表达感兴趣的蛋白质Absci的ACE Assay ™技术以超过传统HT检测通量的4,000倍生成数据海量且不断增长的训练数据集S O L U P R O ™ C E L L L I N E A C E A S A S A Y ™数十亿个细胞，表达感兴趣的蛋白质数百万抗体序列变异体+周内数十亿参数P R O P R I E T A R Y A S A Y S P U B L I C D A T A S E T S Absci正在解决可扩展的生物数据问题，从而为生物学启用真正的生成AI
7C 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. A L L R I G H T S R E S E R V E D. A I T O C R E A T E Advanced generative AI models used to create antibodies and next-gen biologics through novo design and optimize • De novo antibody creation is prompted with antigen structure，epitope location，和框架序列和返回设计的CDR •专有生成AI模型使用架构创新访问海量序列搜索空间，最高可达~20 ^ 55，在计算机集成药物创建™平台中设计抗体-抗原复杂结构和序列：lab-in-a-loop +专有数据+先进的生成AI模型D A T A T O T R A I N湿实验室分析产生大量高质量数据，用于生成AI模型训练• ACE Assay ™在一周内测量数百万个抗体序列的结合亲和力和靶点特异性。• ACE Assay ™数据与额外的专有生成数据和公共数据集相结合。多反应性溶解度W E T L A B T O V A L I D A T E 77,000平方英尺+实验室验证AI生成的设计热稳定性潜力FCRN再循环•评估来自数十亿AI设计抗体的多达300万个排列抗体序列的结合亲和力和靶点特异性。•较低的通量测定证实了铅设计的其他预测特性：自缔合疏水性6-W E E K I T E R A T I V E C Y C L E S C O N T I N U A L L Y I M P R O V E S G E N A I M O D E L S抗应力
8C 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. A L L R I G H T S R E R V E D. D A T A T O T R A I N G E N E R A T I V E A I M O D E L S W T L A B T O V A L I D A T E D E S I R ED F U N C T I O N A N D P R O P E R T I E S A I T O C R E A T E N O V E L B I O T E R A P E T I C D E S I G N S合作伙伴提名目标E N G I N E R-I N O P T I M A L A T T R I B U T E S O F T H E R A P E UT I C A N T I B O D I E S o EPITOPE特异性o优化EPITOPE交互§期望的MOA o增强的潜力o增强的可开发性o差异化的特性反向免疫学靶点发现Absci的集成药物创建™平台，以设计最优的药物属性
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. A L L R I G H T S R E S E R V E D. 9 Absci率先使用零射生成AI设计和验证新型抗体*，利用人工智能同时优化对药物发现很重要的多个参数和开发（Bachas et al. 2022）使用生成逆折叠模型体外验证了针对多种治疗抗原的抗体设计（Shanehsazzadeh et al. 2023）D E C 2023 A U G 2022使用零射生成AI设计的新型抗体的功能性湿实验室验证-展示了通过点击按钮从靶点到治疗性抗体的潜力（Shanehsazzadeh et al. 2024）* M A R 202-U P D A T E D J A N 224
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. A L L R I G H T S R E S E R V E D. 10利用生成人工智能能力访问新型生物学并快速Design Therapeutics，具有一流的特性。D E N O V O A I F O U N D A T I O N M O D E L A I L E A D O P T I M I Z A T I O N M O D E L A I D E S I G N E D F E A T U R E S ü表位特异性ü全局表位美化以识别具有所需MoA的表位ü局部表位美化以识别所需的表位相互作用以潜在地提高效力和MoA ü局部表位界面进化，以改善所需的表位相互作用，从而潜在地提高效力和所需的MoA ü多参数可开发性优化新特点：ü pH取决于结合ü半衰期延长ü多价/多靶点设计针对新型和具有挑战性靶点的治疗性抗体§新靶点，包括GPCR和离子通道快速设计针对已验证靶点的快速随从治疗性抗体§ 12-14个月到候选药物§同类最佳潜力
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. A L L R I G H T S R E S E R V E D. 11整合药物创制TM平台在整个端到端药物发现过程中利用AI T A R G E T D I S C O V E R Y W I T H N O V E L A P P R O A C H E S逆向免疫学用于靶点发现A i-G U I D E D L E A D O P T I M I Z A T I O N多参数优化抗体A i-G U I D E D A N T I B O D Y D R U G C R E A T I O N de novo antibodies designed by AI
12C 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. A L L R I G H T S R E S E R V E D. Generative AI Drug Creation ™工作流程目标感兴趣从头AI临床前开发功能确认候选先导优化为：亲和力、特异性、可开发性…。Absci与其合作伙伴一起设定合作伙伴计划的目标：（1）靶向抗原（2）已知的靶向抗原表位（s）或全球表位景观美化以确定最佳表位/MOA（3）药物模式，例如MAB、双特异性、融合蛋白（4）靶向TPP参数功能验证的多参数AI优化
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. A L L R I G H T S R E S E R V E D. 13平台使能提供差异化生物制剂的潜力，更快、成本更低V A L U E D R I V E R S enables first-in-class A C C E S N O V E L D I S E A S E B I O G Y Ability以解决难以捉摸的药物靶点，例如GPCR，离子通道使能成为一流的&更高的方案NPVS I N C R E A S E D P R O B A B I L I Y O F S U C C E S优越的药物属性和多维优化创造了更高质量的生物制剂增强的IP保护E X P A N D E D I N T E L E C T U A L P R O P E R T Y S P A C E为一流疗法产生更广泛的IP并为一流疗法找到新的IP更快地获得IND R E D U C E D T I M & C O S T O C L I N I C 2年和从Target到IND的1400-1600万美元；与行业估计相比显着减少
C O P Y R I G H T © 224 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潜在一流和一流资产的内部管道P I P E L I N E H I G H L I G H T S潜在“一流”潜在“一流”潜在“一流”皮肤病学/未披露的INFL。BOWEL疾病/TL1A免疫肿瘤/未披露A B S-201 A B S-301 A B S-101 T A R G E T V A 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专注于细胞因子生物学-AI驱动中断的第一前沿额外早期发现计划
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. A L L R I G H T S R E S E R V E D. 15炎症纤维化在服务不足的大型市场A B S-101 T L 1 A D A T A H I G H I G H T S T L 1 A：D R 3 S I G N A LI N G C L I N I C A L Y S H O W N T O I N D U C E P R O-I N F L A M M A T O R Y R E S P O N S E S 1 P O T E N T I A L R E E V A N C E I N W I D E R A N G E O F A U T O I M M U N E I N D I C AT I O N S DC M Φ膜TL1ADR3 T细胞信号传导DR3可溶性TL1A 2 Wang 2023 http://dx.doi.org/10.1136/bmjopen-2022-065186 3 Dahlhamer，James M.，et al.“≥ 18岁成年人炎症性肠病患病率—美国，2015。”发病率和死亡率周报65.42（2016）：1166-1169。4评估制药2023年10月。1改编自Takedatsu 2008 doi：10.1053/j.gastro.2008.04.037炎症性肠病以外的重要市场机会$ 22B +全球市场4 $ 4.5B对TL1A 0.8-3M美国炎症性肠病流行率3 5M全球炎症性肠病（IBD）流行率2
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. A L L R I G H T S R E S E R V E D. 16潜在同类最佳TL1A MAB使用生成AI A B S-101 T L 1 A D A T A H I G H L I G H T S AI设计的TL1A程序，旨在实现优于临床竞争对手D E N O V的优越治疗性能O A I-D E S I G N E D A N D A I-O P T I M I Z E D S U P E R I O R P R E-C L I N I C A L P R O F I L E A N D P O T E N T I A L F O R S U P E R I O R C L I N I C A L P R O F E R EN T I A T E D I N T E L E C T U A L P R O P E R T Y •高亲和力和效力•对TL1A三聚体和单体的高亲和力•延长半衰期和更长的给药间隔• Q8W至每季度一次•低免疫原性•亚Q给药•高生物利用度•有利的可开发性•在1年多一点的时间内瞄准有前景的候选者
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. A L L R I G H T S R E S E R V E D. 17 AI平台设计的Leads跨越导致IP差异化的一组表位和优越的临床前概况A B S-101 T L 1 A D A T A H I G H L I G H T S *表位合并通过BLI竞争实验#为比较从头模型生成的临床竞争对手试剂的估计性能进行局部表位景观美化Absci为从头模型选择了假设的免疫特权表位。表位也被选中，使TL1A单体和三聚体结合AI先导优化模型进行了进一步的局部表位进化3个先导候选者通过新的表位相互作用被确定à提高了TL1A * ABS-101-A ABS-101-B ABS-101-C上的亲和力和效力MK-7240 # RVT-3101 #表位bins
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. A L L R I G H T S R E S E R V E D. 18 TL1A目标识别功能确认多参数优化功能验证D E N O V O A I A I A I L E A D-O P T I M I Z A T I O N hits lead candidate potential best-in-class TL1A mAB使用生成AI A B S设计-101 T L 1 A
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. A L L R I G H T S R E S E R V E D. 19 A ve ra ge IC 50（nm）AI平台设计的高级引线具有高亲和力和优越的效力A B S-101 T L 1 A D A T A H I G H I G H T S H I G H A F F I N I T Y M A B S W I T H P R E R V E D C R O S-R E A C T I V I T Y A I-O P T I M I Z E D L O W P M A F F I N I T Y T RA N S L A T E S T O S U P E R I O R O R E Q U I V A L E N T P O T E N C Y #估计的性能生成用于内部比较的假定临床竞争对手分子。在cr ea si ng a ff in ity in cr ea si ng p ot en cy ABS-10 1-a（d c）ABS-10 1-b ABS-10 1-c RVT-3 101 # MK-7 240 # AFINITY by surface plasmon resonance（SPR）apoptosis inhibition assay in TF-1 cells # #增加亲和力（DC）
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. A L L R I G H T S R E S E R V E D. 20 AI表位选择可实现对TL1A单体的高亲和力和Trimer E P I T O P E S E L E C T E D E N A B L E D H I G H A F F I N I T Y B I N D I N G T O T H E T L 1 A M O N O M E R A N D T R I M E R #为内部比较而产生的临床竞争对手试剂的估计性能。1由于仪器在高亲和力下的灵敏度限制，我们使用了BLI值来比较单体和三聚体结合，而不是作为绝对值。上一张幻灯片中报告的基于SPR的绝对亲和力被认为更准确。对于样品，例如RVT-3101 #，通过SPR和BLI测量观察到的亲和力差异在BLI对皮摩尔粘合剂的预期误差范围内。A B S-101 t l 1 a d a t a h i g h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h h
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. A L L R I G H T S R E S E R V E D. 21与竞争对手相比，更长给药间隔的有利体外曲线和PK曲线延长了体外半衰期# TG32小鼠体外循环增加FCRN Assay1 PK数据显示，相对于RVT-3101，主要候选者在体内的半衰期延长#和TEV-48574 # PK参数ABS-101-A ABS-101-C RVT-3101 # TEV-48574 # t1/2（d）121495 CL（mL/hr/kg）0.6 10.39 0.52 3.26 AUC0-∞（μ g.d/mL）6881060805128 Vss（mL/kg）1981481211971 HMEC-1细胞中基于细胞的FCRN循环测定。Grevys 20182纯合子hFCRN TG32小鼠模型，单剂量i.v. #估计产生的推定临床竞争分子的性能，用于内部比较增加循环再利用re cy cl ed m a b co nc en tr at io n（n m）ABS-10 1-a（dc）RVT-3 101 # 10200 ABS-10 1-C 3040 TEV-4 9574 # Herc eptin tra st uzum ab a tra st uzum ab ls a b s-101 t l 1 a d a t t a h i g h l i g h t s（DC）
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. A L L R I G H T S R E S E R V E D. 22 A B S-101 T L 1 A D A T A H I G H L I G H T S比临床竞争对手延长了2-3倍的半衰期，以支持Q8W-Q12W给药间隔。与临床开发中的抗体相比，ABS-101在NHP中显示出增强的生物分布。潜在的治疗优势由于更快的组织渗透，可能不需要负荷剂量。成功开发200mg/mL高浓度药物制剂，可实现皮下注射。与临床竞争对手相比，非人类灵长类动物（NHP）的半衰期延长了2-3x 2-3 X E X T E N D E D H A L F-L I F E I N H P S U P P O R T S P O T E N T I A L O N G E R D O S I N G I N T E R V A L S H I G H C O N C E N T R A T I O N F O R M U LA T I O N E A B L E S U B C U T A N E O US I N J E C T I O N 2-3 x L O N G E R H A L F-L I F E I N H P S C O M P A R E D T O C L I N I C A L C O M P E T I T O R S M A b se ru m c on c（μ g/ml）时间（天）010203040506010 ° 10 ² 10 ² ABS-101-A MK-7240 RVT-3101
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. A L L R I G H T S R E S E R V E D. 23 AI平台设计ABS-101目标用于最佳治疗曲线A B S-101 T L 1 A D A T A H I G H L I G H T S A T T R I B U T E A B S-101 P R O G R A M * M E R C K（P R O M E T H E US）M K-7240 R O C H E（R O I V A N T）R V T-3 101 SA N O F I（T E V A）T E V-48574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 1,3-高生物利用度ü ü 1 1,4-亚Q注射液ü 5 ü 6 7 Q8W至每季度一次给药ü 1,21，28 * ABS-101参数投射自计算机、体外和体内（NHP）测量和模型暴露，具有μ-寿命延长。* * in silico免疫原性指标得分低，离体T细胞检测结果低。1基于2期数据2每月一次给药方案382%的Ph2a参与者出现ADA，可能是由于形成了大的免疫复合物。Danese et al. 2021 https://doi.org/10.1016/j.cgh.2021.06.011445% BA at 100mg/ml based on Ph2 data 5高剂量静脉给药，然后是高剂量皮下给药，based on Phase 3 protocol。未知是否注射或输液。NCT06052059、NCT06430801 6基于2期方案、NCT05499130、NCT05668013基于2b期方案、NCT05668013通过皮下输注、而非注射给药的预期商业形态因子7
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. A L L R I G H T S R E S E R V E D. 24 A B S-101 T L 1 A D A H I G H L I G H T S投影时间线到潜在的一流分子AI设计的先进引线已经证明：ü高亲和力ü高效能ü长半衰期ü有利的可制造性J AN 2024 I N I T I A T E D F E B‘24 1 H25 5 IND赋能研究评估ü开发候选选择2月24日ü sub-Q配方ü有利的PK和长半衰期ü NHP中的高生物利用度•低ADA •高耐受性（低毒性）启动1期试验2 H2 5 1期中期数据读数
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. A L L R I G H T S R E S E R V E D. 25超过9亿美元+ 2023年下半年交易价值的特许权使用费R E C E N T P A R T N E R S H I P S“此次合作是一个令人兴奋的机会，可以利用Absci的从头AI抗体创建平台来设计一种潜在的新型抗体疗法在肿瘤学领域。”D R. PU J A S A P R A 阿斯利康，生物制剂工程和肿瘤学靶向递送高级副总裁“Almirall之所以选择Absci，是因为他们的从头平台在解决面临高度未满足医疗需求的行业最具挑战性目标方面带来了真正新颖的创新。”阿尔米拉尔，首席科学官及研发执行副总裁D R. K A R L Z I E G E L B A U E R R R R & D Clinical Commercial ROYALTIES I L U S T R A T I V E E C O N O M I C S U C U R E O F A S U C E S F U L D R U G D I C O V E R Y P A R T N E R S H I P UPRONT & research funding clinical milestones商业里程碑&版税
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. A L L R I G H T S R E R V E D. 26 P A R T N E R H I P S A I D R U G D I S C O V E R Y C O L L A B O R A T I O N S I N T E R N A L A本文提及的S E T P I P E L I N E C O L A B O R A T I O N S D A T A & C O M P U T E C O L L A B O R A T I O N S商标、服务标记或商号为其各自所有者的知识产权。使用此IP并不意味着加入、背书或赞助任何类型的3个内部项目，这些项目具有潜在的最佳或一流配置文件，通过行业领先的合作推动增长
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. A L L R I G H T S R E S E R V E D. 27 Innovators Leading Team across AI and Biotech to Transform Drug Discovery W O R L D C L A S T E A M此处提及的商标、服务标记或商号均为其各自所有者的知识产权。使用本IP并不意味着加入、背书或赞助任何形式的KAREN MCGINNIS，CPA前CAO，依诺米那 AMRIT NAGPAL董事总经理，Redmile Group Joseph SiROSH，PHD前CTO、Compass副总裁，Amazon & Microsoft DAN RABINOVITSJ Connectivity副总裁，Meta FRANS van HOUTEN董事会主席前首席执行官，Royal Phillips B O A R D O F D I R E C T O R S SIR MENE PANGALOS，PHD前研发执行副总裁阿斯利康 L E A D E R S H I P T E A M SEAN MCCLAIN创始人，首席执行官兼董事Andreas BusCH，博士首席创新官Zach Jonasson，博士首席财务官 &首席商务官AMARO TAYLOR-WEINer，博士高级副总裁，首席AI官KARIN WIERINCK首席人力官CHRISTIAN STEGMANN，博士高级副总裁，药物创制CHRISTINE LEMKE，DVM高级副总裁，投资组合与增长战略Jens PLASSMEIER，博士高级副总裁，Biologics Discovery Technologies PENELOPE首席士气官SHELBY WALKER，京东首席法务官
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. A L L R I G H T S R E S E R V E D. 28 > 16077,000 + square feet > $ 5.2亿Unlimiters，在AI、药物发现、免疫学和合成生物学方面拥有深厚经验WA温哥华最先进的药物创造和湿实验室空间，纽约Absci AI Research（AAIR）实验室，以及位于楚格瑞士资本的创新中心。迄今为止，Biologics的药物发现专业知识来自：领先的AI团队，其专业知识来自：Absci的人才和基础设施，以更快、更低的成本实现更好的生物制剂，此处提及的商标、服务标记或商号均为其各自所有者的知识产权。使用本IP并不意味着加入、背书或赞助任何种类的W E L-P O S I T I O N E D T O D E L I V E R
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. A L L R I G H T S R E S E R V E D. 29集成药物创制TM平台在整个端到端药物发现过程中利用AI T A R G E T D I S C O V E R Y W I T H N O V E L A P P R O A C H E S逆向免疫学用于靶点发现A i-G U I D E D L E A D O P T I M I Z A T I O N多参数优化抗体A i-G U I D E D A N T I B O D Y D R U G C R E A T I O N de novo antibodies designed by AI
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. A L L R I G H T S R E S E R V E D. 30从头设计的抗体设计使用生成AI T A R G E T D I S C O V E R Y W I T H N O V E L A P P R O A C H E S逆向免疫学用于靶点发现A i-G U I D E D L E A D O P T I M I Z A T I O N多参数优化抗体A i-G U I D E D A N T I B O D Y D R U G C R E A T I O N de novo antibodies designed by AI
31C 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. A L L R I G H T S R E S E R V E D. Generative AI Drug Creation ™感兴趣的工作流程目标从头AI临床前开发功能确认候选先导优化用于：亲和力、特异性、可开发性等。Absci与其合作伙伴一起设定合作伙伴计划的目标：（1）靶向抗原（2）已知的靶向抗原表位（s）或全球表位景观美化以确定最佳表位/MOA（3）药物模式，例如MAB、双特异性、融合蛋白（4）靶向TPP参数功能验证的多参数AI优化
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. A L L R I G H T S R E S E R V E D. 32抗体支架序列从头设计Wet lab assays ACE Assay ™ data SPR assay data target antigen structure validated de novo binders target epitope antibody scaffold sequence de novo drug creation with‘zero-shot’generative AI zero-shot：model has never seen an antibody直接从模型中识别出与靶标或同系物结合的粘合剂–未进行先导优化
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. A L L R I G H T S R E S E R V E D. 33例：HER2抗体的从头设计通过为HER2设计HCDR3和HCDR123演示‘零射’模型评估了多个参数：•结合率•序列多样性•免疫原性•功能性•可开发性P O C D E M O N S T R A T E D1。从头模型产生了优于基线2的多样、新颖、高亲和力的变体。表现出高水平的特异性3。与曲妥珠单抗相比，在体外显示出更高的效力4。实现了多维引线优化•所需的跨物种反应性和特异性•最佳可开发性P O C M O D E L D E N O V O D E S I G N
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. A L L R I G H T S R E S E R V E D. 34 AI生成多样，优于生物基线D E N O V O D E S I G N O F H E R 2 A N T I B O D I E S Size of Search Space：Millions billions I B O D I E S QUADRILIONS 9.08.58.07.57.06.56.02 3456789 101112 m EA SU RED B IN D in G A FF in IT Y（-lo g 1 0K D（m））sequence diversity（edit distance to trastuzumab）AI design Wildtype diverse，novel，高亲和力结合剂• 13个氨基酸的CDR区域中多达12个突变（2013年搜索空间）优于生物基线•从头设计的HCDR3比通过MAB格式的SPR测量的新型结合剂的随机OAS基线亲和力提高了4倍HER2结合率%随机基线生物基线零射从头生成的设计1
35C 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. A L L R I G H T S R E S E R V E D. G L O B A L E P I T O P E L A N D S C A P I N G L O C A L I N T E R F A C E V O L U T I O N epitope美化和界面进化可以用来提高亲和力，效力并可能发现新的作用机制（MoAs）从头AI模型允许对抗原上的多个表位界面进行采样，以定位所需的MoA L O C A L E P I T O P E L A N D S C A P I N G一旦选择了一个表位，从头模型会对与指定表位的界面触点进行详尽采样，以进一步细化效力，而MoA从头和Lead优化AI模型除了为可开发性优化抗体变异外，还进一步实现全球和局部表位景观美化，AI引线优化模型对与其周围相邻区域的表位界面进行采样，进一步提高效价和感兴趣的MoA表位、感兴趣的表位+邻接区从头AI模型、从头AI模型AI引线优化模型
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. A L L R I G H T S R E S E R V E D. 36 AI引导引线优化从从头设计到多参数引线优化使用AI T A R G E T D I S C O V E R Y W I T H N O V E L A P P R O A C H E S逆向免疫学for靶点发现A i-G U I D E D L E A D O P T I M I Z A T I O N多参数优化抗体A i-G U I D E D A N T I B O D Y D R U G C R E A T I O N de novo antibodies designed by AI
37C 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. A L L R I G H T S R E S E R V E D. Generative AI Drug Creation ™ Workflow target of interest de novo AI pre-clinical development function confirmed candidateLead optimized for：affinity，specificity，developability，etc。Absci与其合作伙伴一起设定合作伙伴计划的目标：（1）靶向抗原（2）靶向抗原表位（如果已知）或全局表位景观美化以确定最佳表位/MOA（3）药物模式，例如MAB、双特异性、融合蛋白（4）靶向TPP参数功能验证的多参数AI优化
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. A L L R I G H T S R E S E R V E D. 38重新设计临床批准的抗体，用于结合三个SARS-CoV-2变异体改善对β的结合，而不会失去对α的结合和delta α N501Y N501Y β L452R E484QE484K K417N/T delta SARS-CoV-2变异突变受体结合域（RBD）SARS-CoV-2 RBD表位残基毒株突变Fab KD（nM）WTRBD α RBD β RBD delta RBD亲本抗体8.58.0 6075.4案例研究目标广谱SARS-CoV-2抗体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 © 2024 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.模型训练Hold out数据集在训练后展示了强大的模型性能，AI预测的亲和力与实验测量有很好的相关性，每个训练集> 75k ACE Assay ™数据点代表性holdout集（beta）alpha beta delta 0.75 0.84 10.78 Pearson R母体抗体a i-pr ed ic te d a cE A SS ay SC或e ™（aff in ity）湿法实验室ACE Assay Score ™（亲和力）121 ACE Score ™与观察到的SPR测量-log10 KD值之间的高相关性Absci的ACE Assay ™平台生成大型、高质量的训练数据，使能在silico亲和力预测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 © 2024 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测量值0.10.10.13预测对所有三种SARS-CoV-2变异具有最佳结合的结合剂在实验室中通过SPR进行评估79%（31/39）的评估预测表现出比对α和β的母体抗体更高的结合亲和力，并且delta AI模型搜索突变空间和顶部预测得到验证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 © 2024 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 A SS ay SC或e ™大质量数据集模型训练模型预测SPR验证预测1 PR ed ic te d 2 Fab nM KD（fold improvement）alpha RBD beta RBD delta RBD母体抗体8.06075.4 ABSCI001 2.7（3x）16（37x）1.9（3x）ABSCI002 1.5（5x）24（25x）0.8（7x）ABSCI003 0.9（9x）32（19x）0.6（9x）ABSCI004 1.1（7x）37（16x）1.4（4x）ABSCI005 1.3（6x）40（15x）0.8（7x）AI引导的先导优化平台提供抗体，改善了与所有三个所需变异的结合案例研究结果AI与多个SARS-CoV-2变异A i-G U共优化结合I D E D L E A D O P T I M I Z A T I O N
42C 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. A L L R I G H T S R E S E R V E D.半衰期延长表位选择DENOVO设计& AI引导的铅优化，用于改善治疗功能•通过增强FC介导的循环利用延长半衰期•减少给药间隔并降低Cmax驱动的不良事件的风险•改善药代动力学特征多价值•通过同时结合多个所需异构体提高功效•广谱抗体，同时结合多种传染病病毒变异体•跨物种结合以提高成功率和速度新型AI设计的功能•全球景观美化评估所需功能的多个感兴趣的表位•当地景观美化评估特定表位的多种界面•与先导优化模型的界面细化以提高效力和/或感兴趣的可开发性表位A I-G U I D E D L E A D O P T I M I Z A T I O N
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. A L L R I G H T S R E S E R V E D. 43靶点发现反向免疫学平台统一靶点和单一工作流程中的抗体发现，使潜在的“一流”生物治疗药物T A R G E T D I S C O V E R Y W I T H N O V E L A P P R O A C H E S逆向免疫学用于靶点发现A i-G U I D E D L E A D O P T I M I Z A T I O N多参数优化抗体A i-G U I D E D A N T I B O D Y D R U G C R E A T I O N de novo antibodies designed by AI
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. A L L R I G H T S R E S E R V E D. 44逆免疫学：靶点和抗体同时发现T A R G E T D I S C O V E R Y临床前开发亲和力，特异性MoA分析表明感兴趣的药物候选者功能验证BINDING Confirmed与领先的健康机构合作提供患者样本的Absci合作伙伴：§ Aster Insights § Avera Health § Saint John’s Cancer Institute §牛津大学肯尼迪风湿病研究所组装抗体和去孤儿COLLECT样本先导
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. A L L R I G H T S R E S E R V E D. TLS的存在与更长的无进展生存期和对免疫检查点抑制剂的更好反应相关[ 2,3 ]。•快速增长的证据说明了肿瘤微环境中TLS衍生抗体与积极临床结果之间的相关性[ 2 ]。• TLS衍生抗体已被证明与患者癌细胞凋亡相关[ 2 ]。TLS是在慢性炎症组织中发展的免疫活动（B细胞增殖和抗体产生）中心[ 1 ]。来自TLS的抗体专门用于局部抗原，在慢性疾病和癌症的进展中发挥着重要作用，使其有别于外周血中抗体的一般人群[ 2 ]。100755025101520005高IG染色低IG染色PR og re ss io n-fr ee（%）时间（月）p = 0.019三级淋巴结构（TLS）：Absci逆向免疫学方法T A R G E T D I S C O V E R Y的基石[ 1 ] Pipi等人的《三级淋巴结构：自身免疫走向局部》。Frontiers in Immunology（2018）[ 2 ] Meylan et al.“Tertiary lymphoid structures generate and propages anti-tumor antibody-producing plasma cells in renal cell cancer。”Immunity（2022）[ 3 ] Helmink et al.“B细胞和三级淋巴结构促进免疫治疗应答”Nature（2020）
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. A L L R I G H T S R E S E R V E D. 46人TLS活检计算重建抗体高通量蛋白质组学筛选技术覆盖接近完整的人蛋白质组A B S-301：R E C O N S T R U C T E D P A T I E N T-D E RI V E D A N T I B O D Y S H O W S H I G H L Y S P E C I F I C A N D P O T E N T B I N D I N G T O A N O V E L T A R G E T W I T H P O T E N T I A L I N I M U N O-O N C O L O G Y。ABS-301 KD：26.5nm生物层干涉法验证有效和特异性结合一种新的、未公开的靶点鉴定一种新型免疫调节抗体ABS-301 T A R G E T D I S C O V E R Y：A B S-301
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. A L L R I G H T S R E S E R V E D. 47 ABS-301在人体细胞中阻断一种新型免疫抑制靶点ABS-301：患者源抗体阻断一种新型免疫抑制靶点T A R G E T D I S C O V E R Y：A B S-30 1假设：肿瘤上调ABS-301的靶点作为限制免疫浸润的免疫逃避策略。ABS-301治疗癌症可能会释放免疫抑制并允许免疫细胞浸润肿瘤，从而产生强大的抗肿瘤反应。初步证据表明，这种免疫逃逸机制可能独立于PD1/PD-L1轴等已知的免疫检查点。ABS-301同型对照同型对照Re ce pt或s ig na llin g（a bs。620m m，A U）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. A L L R I G H T S R E S E R V E D. 48 ABS-301在免疫肿瘤学T A R G E T D I S C O V E R Y：A B S-3011方面具有广泛的潜力。Siegel等，加利福尼亚州,2023，73（1），17-48 2。评估制药公司3。Baxter et al，Br J Cancer 125,1068 – 1079（2021）4。Lim，S.Y. et al，Nat Commun 14,1516（2023）5。Zhou S et al，Front Immunol.，2023,14：11294656。Huang Y et al，Cancers（Basel），2023,15（10）：27337。Oualla K et al，Cancer Control，2021,10732748211004878 Indication US estimated new cases in 2023 [ 1 ] estimated global therapeutics market（2028）[ 2 ] NSCLC 238K $ 56B melanoma 98K $ 14B head & neck 54K $ 5B gastroesophageal 48K $ 3B 020406080100 Gastroesophageal head & neck melanoma NSCLC percent estimated ICI-resistance percentage rates among selected oncology indications [ 3-7 ]全面分析ABS-301的免疫肿瘤学潜力正在进行中。
这场革命才刚刚开始。49ABSCI CORPORATION 2024保留所有权利