उत्तरप्रकाशित3 दिन पहलेLast edited 3 दिन पहले11 स्रोत

पेन मेडिसिन के वैज्ञानिकों ने AI की मदद से CAR टी सेल थेरेपी के लिए खोजा सॉलिड ट्यूमर का नया लक्ष्य

पेन मेडिसिन के शोधकर्ताओं ने 25 जून 2026 को Cell जर्नल में एक ह्यूमन इन द लूप AI फ्रेमवर्क का वर्णन किया, जो लार्ज लैंग्वेज मॉडल्स (LLMs) और सिंगल सेल RNA सीक्वेंसिंग को एकीकृत करता है [1]। इस फ्रेमवर्क ने GPNMB (ग्लाइकोप्रोटीन नॉन मेटास्टेटिक मेलेनोमा प्रोटीन B) को शीर्ष उम्मीदवार एंटीजन के रूप में पहचाना, और GPNMB...

Studio Global AI के साथ खोजें और तथ्यों की जांच करें और ट्रेंडिंग पेज देखें

27K0

Conceptual illustration representing AI-driven discovery of CAR T cell therapy targets, combining DNA helix, immune cells, and large language model processing. — Search & fact-check with cited sources for How did Penn researchers use a human-in-the-loop AI framework integrating large language models aAn AI-generated conceptual image representing the integration of artificial intelligence, single-cell RNA sequencing, and CAR T cell therapy target discovery.
AI संकेत
Create a landscape editorial hero image for this Studio Global article: Search & fact-check with cited sources for How did Penn researchers use a human-in-the-loop AI framework integrating large language models a. Article summary: On June 25, 2026, Penn Medicine researchers led by Daniel Baker, Carl June, and Zoltan Arany published a study in *Cell* describing a **human-in-the-loop AI framework** that integrates large language models (LLMs) with s. Topic tags: general, government, education, academic, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermark
openai.com

25 जून, 2026 को, पेन मेडिसिन के शोधकर्ताओं—डैनियल बेकर, कार्ल जून और ज़ोल्टन अरानी—ने Cell जर्नल में एक अध्ययन प्रकाशित किया, जिसमें एक ह्यूमन-इन-द-लूप AI फ्रेमवर्क का वर्णन किया गया है । यह फ्रेमवर्क लार्ज लैंग्वेज मॉडल्स (LLMs) को सिंगल-सेल RNA सीक्वेंसिंग डेटा के साथ जोड़कर CAR T सेल थेरेपी के लिए नए लक्ष्यों की व्यवस्थित खोज और प्राथमिकता निर्धारण करता है ।

उनके शीर्ष उम्मीदवार एंटीजन का नाम GPNMB (ग्लाइकोप्रोटीन नॉन-मेटास्टेटिक मेलेनोमा प्रोटीन B) है । GPNMB-निर्देशित CAR T कोशिकाओं ने मेलेनोमा, ल्यूकेमिया और कोलोरेक्टल कैंसर के माउस मॉडल में प्रभावशाली एंटी-ट्यूमर गतिविधि दिखाई । यह फ्रेमवर्क मॉड्यूलर, रोग-अज्ञेयवादी और किसी भी LLM के अनुकूल है, जिसका लक्ष्य सॉलिड ट्यूमर और उससे आगे के लिए लक्ष्य खोज की प्रक्रिया को नाटकीय रूप से तेज करना है—वह प्रक्रिया जो महीनों या वर्षों लगती है, उसे कुछ हफ्तों में पूरा करना ।

ह्यूमन-इन-द-लूप AI फ्रेमवर्क कैसे काम करता है

डेटा इंटीग्रेशन: टीम ने चार सार्वजनिक रूप से उपलब्ध सिंगल-सेल RNA सीक्वेंसिंग स्किन कैंसर डेटासेट को सार्वजनिक डेटाबेस के डेटा के साथ जोड़ा, और CAR T-प्रासंगिक विशेषताओं (जैसे ट्यूमर-विशिष्ट अभिव्यक्ति, सतह पहुंच) के लिए 10,000 से अधिक संभावित सतही एंटीजन को प्राथमिकता देने के लिए विशिष्ट जैविक दिशानिर्देश लागू किए ।

Studio Global AI

Search, cite, and publish your own answer

Use this topic as a starting point for a fresh source-backed answer, then compare citations before you share it.

Studio Global AI के साथ खोजें और तथ्यों की जांच करें

लोग पूछते भी हैं