從 AWS & JHU 的數據基石，到 Anthropic Claude 大模型的 De Novo 實測：
解密 Twist 賦能頂尖 AI 團隊的實體驗證引擎
✨立即報名✨
時間
11/19 (四) 14:00~15:30
(研討會連結將於一周前透過電子郵件寄送至您的信箱)
報名連結：前往報名
海報詳情：前往下載
內容介紹
隨著生成式 AI 與大語言模型 (LLM) 驅動抗體研發，大規模且精準的濕實驗驗證已成為 AI 設計能否推向臨床的關鍵。Twist Bioscience 憑藉矽晶片 DNA 合成技術與自動化平台，已成為全球頂尖 AI 團隊與科技巨擘不可或缺的乾濕實驗閉環驗證(DBTL cycle)橋梁。
本研討會將以 Twist 抗體生態系統 (Antibody Ecosystem) 為核心，解析三大指標應用：
本次演講將探討：
- LLM自主設計與極速驗證
- 案例分享：分享Anthropic如何利用其Claude AI模型自主針對15個標靶設計出超過1,200個de novo蛋白結合分子；Twist Bioscience在不到3週內完成從序列到實驗數據的高通量合成與表徵驗證，在14個標靶上成功確認結合分子，締造22–35% 的高命中率 (遠高於傳統10–15%)，並在6個以上標靶獲取sub-10 nM 的高親和力結合分子。
- 您將學到：了解頂尖 AI 團隊如何運用高通量實體驗證，打破傳統乾濕實驗的時間壁壘，將大模型演算極速轉化為可驗證的實體藥物分子。
- AI/ML 基準數據庫基石
- 案例分享：解密Twist為AWS (Amazon Web Services) 與Johns Hopkins大學 (Gray Lab) 發布Amazon Bio Discovery數據庫提供50個標靶、5,000個序列、70,000+ 實驗數據點，奠定AI訓練黃金基石。
- 您將學到：參考業界標竿如何運用高品質、標準化的濕實驗數據庫，進行自有 AI/ML 模型的構建、微調 (Fine-tuning) 與性能評測。
- 成藥性篩選與AI預測模型
- 案例分享：Twist 運用高通量蛋白生產與多維度分析 (SPR親和力、AC-SINS聚集、BVP-ELISA脫靶檢測等)，對 AI 預測分子進行成藥性篩選，並與牛津大學 Deane Lab合作將實驗數據轉化為開源預測工具 (TNP)。
- 您將學到：如何突破「電腦預測結合力強，實測卻易脫靶/聚集」的研發盲點，利用多維度表徵分析早期過濾高風險分子，全面提升抗體可開發性(Developability)。
透過這些實例，與會者將了解 Twist 如何協助團隊打破乾濕實驗壁壘，加速下一代抗體藥物開發！
✨立即報名✨
講者介紹
Sharon Du 博士現任 Twist Bioscience 亞太區業務發展總監，致力於連結生技製藥領域的創新需求與前瞻技術，協助亞太地區合作夥伴運用 Twist 的抗體探索與開發平台，包括多特異性抗體工程技術，加速藥物研發進程，推動候選藥物邁向臨床開發。
Sharon 在亞太地區生命科學及 CDMO 產業擁有超過十年的豐富經驗，曾與區域內多家醫院及臨床團隊合作，推動 CAR-T 細胞治療的臨床應用。此外，她也參與抗體及細胞與基因治療（CGT）藥物的全流程開發，涵蓋早期探索、CMC（化學、製造與管制）至 GMP 製造，並曾促成多項複雜 CMC 開發計畫的重要合作。
Sharon 擁有新加坡國立大學博士學位，研究專長為癌症免疫治療。
如有任何問題，歡迎洽詢 業務專員 或 加入 ABreal 倍思特生技 Line@ : @abreal
