1602
科研新进展
2月14日，我院吴海涛、陈健团队与上海科技大学王皞鹏课题组在生物学顶 级期刊Cell Research(《细胞研究》，影响因子44分)上发表了题为CAR-Toner: An AI-Driven Approach for CAR Tonic Signaling Prediction and Optimization(CAR-Toner: 基于人工智能的CAR-T基底信号预测和优化平台)的研究论文。
这是团队继2023年在Cell Research杂志封面发表CAR理性设计系统论文后的重要深入进展，该研究成功研发出基于人工智能(AI)的CAR-T设计平台，显著提高了CAR序列设计优化的效率，简化了研发流程，为调控CAR-T细胞基底信号强度、提高其抗肿瘤功效提供了新策略。
发表论文截图
研究要点解析
癌细胞善于把自己伪装成正常细胞，以躲避免疫系统的袭击，于是科学家就根据肿瘤的特征设计出一种能直接识别它的嵌合抗原受体(CAR)并将其表达在天然T细胞上，通过基因工程合成的CAR-T细胞可以精 准找到和杀伤肿瘤细胞。
在2023年发表的研究中团队指出了CAR胞外区域表面存在较多的带正电荷的斑块(PCP)，并且证实PCP介导的静电作用是CAR-T细胞基底信号的形成机制，但是如何改造CAR表面的PCP是一项复杂耗时的工作。
为了解决这一难题，团队利用人工智能深度学习技术设计出了CAR-Toner。它同时集齐了CAR-T设计三大功能：
输入单条CAR的抗原识别序列后可以一键计算反应其基底信号强度的PCP指数；可同时成组输入多条CAR的抗原识别序列，一键计算各自序列的PCP指数；在之前计算得出的PCP指数基础上一键给出PCP优化后的CAR序列供研究者参考。
该工具界面简洁友好，对CAR-T研发者完全实现了“傻瓜式”一键操作功能。
CAR-Toner设计平台的三大主要功能
科学家在开发CAR-T疗法时需要引入单链抗体、纳米抗体、可变淋巴细胞受体或鲨源单域抗体的氨基酸序列，但是选择哪种序列需要经过非常繁琐的比较验证研究。
团队利用该平台对上述序列进行了高通量PCP指数计算，结果发现纳米抗体序列的PCP 指数更有可能处于很好范围，意味着基于纳米抗体的CAR-T设计可能更有临床优势。该研究极具临床应用价值，能使科研人员借助此人工智能工具，迅速且高 效地设计出新一代CAR-T，从而极大提速CAR-T疗法的开发流程。这种创新工具将推动CAR-T设计领域迈向人工智能时代。
CAR设计时序列的主要来源
吴海涛、陈健课题组
