基于分子动力学和机器学习提高抗体亲和力的方法和系统

本发明公开了一种基于分子动力学和机器学习提高抗体亲和力的方法和系统，属于计算机软件技术领域。本发明方法通过利用分子动力学精准定位抗体的结合位点，从而筛选出最佳氨基酸突变位点，并在最佳氨基酸突变位点构建氨基酸饱和突变的变体库，通过计算突变体复合物的结合自由能变化量（值）作为评估基础；以氨基酸描述子为特征，值为标签，训练机器学习模型，筛选出预测性能最优的模型；该模型用于预测并筛选出具有较低值（即高亲和力潜力）的突变体。本发明方法获得的高亲和力1‑7单域抗体，其亲和力显著提升2.98‑5.04倍，有效验证了本发明的实用性与高效性，为单域抗体的定向进化开辟了新途径。