Описано его успешное применение у добровольца
Разработанный учеными из биотехнологической компании BIOCAD и Российского национального исследовательского медицинского университета имени Пирогова препарат моноклональных антител против сегмента TRBV9 Т-клеточного рецептора оказался эффективен при болезни Бехтерева — анкилозирующем спондилоартрите. Как сообщается в журнале Nature Medicine, препарат снижает число TRBV9+ Т-лимфоцитов, включенных в патогенез болезни, а у одного пациента лечение препаратом BCD-180 привело к четырехлетней ремиссии заболевания без поддерживающей терапии ингибиторами фактора некроза опухоли.
Несколько исследований ранее показали, что клоны TRBV9+ CD8+ Т-клеток, несущие мотив CDR3, непосредственно связаны с развитием анкилозирующего спондилоартрита, псориатического артрита и некоторых других ревматоидных заболеваний. Разработанное моноклональное антитело прошло доклиническое исследование на нечеловеческих приматах, а также показало свою эффективность на человеке: через десять дней после начала терапии доля TRBV9+ Т-клеток в периферической крови 60-летнего мужчины резко снизилась, а самочувствие пациента постепенно улучшалось в течение трех месяцев после введения препарата. Через несколько лет ему ввели вторую дозу лекарства, чтобы избавиться от оставшихся TRBV9+ Т-клеток. После длительной ремиссии симптомы заболевания начали проявляться вновь, поэтому пациент получил третью дозу препарата. Впоследствии инъекции антител против проводились один раз в четыре месяца без каких-либо побочных эффектов. В октябре 2023 года Минздрав выдал разрешение на проведение третьей фазы клинического исследования препарата.
Она работает на сервере с квотой и не разрешает изучать потенциальные лекарства
Компании Google DeepMind и Isomorphic Labs, принадлежащие Alphabet, представили AlphaFold 3 — новую версию модели на основе машинного обучения и диффузионной модели для предсказания точной структуры белков и их взаимодействий друг с другом и другими веществами. По заявлению разработчиков, она стала первой, превзошедшей по точности методы предсказания, основанные на физических свойствах молекул. Статья о модели принята для ускоренной публикации в Nature. Кроме того, о разработке рассказывают редакционные подкаст и статья, а также пресс-релизе Google.