اكتشاف ثوري: الذكاء الاصطناعي يحدد هدفًا جديدًا لعلاج الخلايا التائية CAR-T للأورام الصلبة

في 25 يونيو 2026، نشر باحثون من كلية الطب بجامعة بنسلفانيا بقيادة دانيال بيكر وكارل جون وزولتان أراني دراسة في مجلة Cell تصف إطارًا للذكاء الاصطناعي بمشاركة بشرية (Human-in-the-Loop) يدمج نماذج اللغة الكبيرة (LLMs) مع بيانات تسلسل الحمض النووي الريبي للخلايا المفردة (scRNA-seq) لاكتشاف وترتيب أولويات أهداف جديدة لعلاج الخلايا التائية CAR-T بشكل منهجي . كان أفضل مستضد مرشح هو GPNMB (البروتين السكري غير النقيلي للورم الميلانيني B)، وأظهرت خلايا CAR-T الموجهة ضده فعالية في نماذج فأرية لسرطان الجلد وسرطان الدم وسرطان القولون والمستقيم . صُمم الإطار ليكون معياريًا وقابلاً للتطبيق على أي نوع من السرطان وأي نموذج لغوي كبير، بهدف تسريع عملية اكتشاف الأهداف بشكل كبير للأورام الصلبة وما بعدها — لتقليص عملية قد تستغرق أشهرًا أو سنوات إلى بضعة أسابيع فقط .

كيف يعمل إطار الذكاء الاصطناعي بمشاركة بشرية

• دمج البيانات: جمع الفريق أربع مجموعات بيانات عامة لتسلسل الحمض النووي الريبي للخلايا المفردة من سرطان الجلد مع بيانات من قواعد بيانات عامة، ثم طبقوا إرشادات بيولوجية محددة لترتيب أولويات أكثر من 10,000 مستضد سطحي محتمل بناءً على ميزات ذات صلة بـ CAR-T (مثل التعبير الخاص بالورم وإمكانية الوصول السطحي) .
• الترشيح بواسطة نماذج اللغة الكبيرة: استُخدمت عدة نماذج لغوية كبيرة متطورة لترشيح الأهداف المثالية من تلك القائمة المفضلة .
• التكرار لتقليل الهلوسة: تم تكرار عملية الترشيح بأكملها بشكل مستقل 1,000 مرة للتخفيف من المخاطر المعروفة لنماذج اللغة الكبيرة مثل الهلوسة، ثم تم تجميع النتائج في قائمة نهائية قصيرة .
• مراجعة الخبراء البشر: راجع العلماء القائمة النهائية وأجروا التحقق البيولوجي (تأكيد التعبير السطحي، بناء خلايا CAR-T، والاختبار قبل السريري) .
• السرعة: استغرق خط أنابيب الذكاء الاصطناعي بأكمله أقل من بضعة أسابيع، مقارنة بأشهر أو سنوات باستخدام الطرق اليدوية .

أفضل مستضد تم تحديده: GPNMB

• GPNMB (البروتين السكري غير النقيلي للورم الميلانيني B) ظهر كأفضل مرشح من الإطار .
• أظهرت خلايا CAR-T الموجهة ضد GPNMB نشاطًا مضادًا للورم كبيرًا في نماذج فأرية لـ سرطان الجلد وسرطان الدم وسرطان القولون والمستقيم، مما يدل على إمكانات متعددة للسرطان .

كيف يهدف هذا النهج إلى تسريع اكتشاف الأهداف خارج سرطانات الدم

• تصميم غير مرتبط بنوع السرطان: بُني الإطار ليكون معياريًا وقابلًا للتعميم على أي نوع من السرطان أو المرض، ولا يقتصر على مجموعات بيانات سرطان الجلد المستخدمة في الإثبات المفاهيمي .
• يعمل مع البيانات العامة: يعمل الإطار على مجموعات البيانات المتاحة للعموم، مما يتيح اكتشاف الأهداف بشكل ديمقراطي خارج المؤسسات التي لديها إمكانية الوصول إلى عينات سريرية أو تسلسل خاص .
• غير مرتبط بنموذج لغوي محدد: الإطار لا يرتبط بنموذج لغوي كبير معين، لذا يمكن تطبيقه على نماذج مستقبلية أكثر تقدمًا عند ظهورها .
• الهدف: صمم الباحثون النهج صراحةً لكسر عنق الزجاجة في إيجاد أهداف سطحية آمنة وفعالة للأورام الصلبة — وهو العائق الرئيسي أمام توسيع نطاق علاج CAR-T إلى ما بعد سرطانات الدم التي تمتلك حاليًا موافقة إدارة الغذاء والدواء الأمريكية (FDA) عليها .