Bagaimana rangka kerja AI manusia-dalam-gelung berfungsi

• Integrasi data: Pasukan menggabungkan empat set data jujukan RNA sel tunggal kanser kulit awam dengan data pangkalan data umum, lalu gunakan garis panduan biologi tertentu untuk utamakan lebih 10,000 antigen permukaan berpotensi berdasarkan ciri seperti ekspresi spesifik tumor dan kebolehcapaian permukaan .
• Pencalonan berasaskan LLM: Beberapa model bahasa besar terkini digunakan untuk mencalonkan sasaran ideal daripada senarai yang diutamakan .
• Ulang untuk kurangkan halusinasi: Seluruh simulasi pencalonan diulang secara bebas 1,000 kali untuk mengurangkan risiko biasa LLM seperti halusinasi, dan keputusan dikumpul untuk senarai pendek akhir .
• Semakan pakar manusia: Saintis kemudian semak senarai pendek dan lakukan pengesahan biologi (pengesahan ekspresi permukaan, pembinaan CAR, dan ujian praklinikal) .
• Kelajuan: Saluran paip pacuan AI ini mengambil masa kurang dari beberapa minggu, berbanding berbulan atau bertahun dengan kaedah manual .

Antigen utama: GPNMB

• GPNMB (glycoprotein non-metastatic melanoma protein B) muncul sebagai calon utama daripada rangka kerja ini .
• Sel CAR-T yang menyasarkan GPNMB menunjukkan aktiviti anti-tumor yang signifikan dalam model tikus melanoma, leukemia, dan kanser kolorektal, menunjukkan potensi merentas pelbagai kanser .

Bagaimana pendekatan ini percepat penemuan sasaran

• Reka bentuk tidak terhad penyakit: Rangka kerja dibina sebagai modular dan boleh digeneralisasi ke sebarang jenis kanser atau penyakit, bukan terhad kepada data kanser kulit yang digunakan untuk bukti konsep .
• Guna data awam: Ia berfungsi pada set data awam, membolehkan penemuan sasaran di institusi tanpa akses kepada sampel klinikal atau jujukan proprietari .
• Tidak terhad kepada LLM tertentu: Rangka kerja ini tidak terikat pada mana-mana LLM spesifik, jadi boleh diaplikasi pada model masa depan yang lebih maju .
• Matlamat: Pasukan penyelidik secara jelas merekabentuk pendekatan ini untuk memecahkan kesesakan dalam mencari sasaran permukaan yang selamat dan berkesan untuk tumor pepejal—halangan utama untuk perluas terapi CAR-T melampaui kanser darah yang kini diluluskan FDA .

Bagaimana rangka kerja AI manusia-dalam-gelung berfungsi

• Integrasi data: Pasukan menggabungkan empat set data jujukan RNA sel tunggal kanser kulit awam dengan data pangkalan data umum, lalu gunakan garis panduan biologi tertentu untuk utamakan lebih 10,000 antigen permukaan berpotensi berdasarkan ciri seperti ekspresi spesifik tumor dan kebolehcapaian permukaan .
• Pencalonan berasaskan LLM: Beberapa model bahasa besar terkini digunakan untuk mencalonkan sasaran ideal daripada senarai yang diutamakan .
• Ulang untuk kurangkan halusinasi: Seluruh simulasi pencalonan diulang secara bebas 1,000 kali untuk mengurangkan risiko biasa LLM seperti halusinasi, dan keputusan dikumpul untuk senarai pendek akhir .
• Semakan pakar manusia: Saintis kemudian semak senarai pendek dan lakukan pengesahan biologi (pengesahan ekspresi permukaan, pembinaan CAR, dan ujian praklinikal) .
• Kelajuan: Saluran paip pacuan AI ini mengambil masa kurang dari beberapa minggu, berbanding berbulan atau bertahun dengan kaedah manual .

Antigen utama: GPNMB

• GPNMB (glycoprotein non-metastatic melanoma protein B) muncul sebagai calon utama daripada rangka kerja ini .
• Sel CAR-T yang menyasarkan GPNMB menunjukkan aktiviti anti-tumor yang signifikan dalam model tikus melanoma, leukemia, dan kanser kolorektal, menunjukkan potensi merentas pelbagai kanser .

Bagaimana pendekatan ini percepat penemuan sasaran

• Reka bentuk tidak terhad penyakit: Rangka kerja dibina sebagai modular dan boleh digeneralisasi ke sebarang jenis kanser atau penyakit, bukan terhad kepada data kanser kulit yang digunakan untuk bukti konsep .
• Guna data awam: Ia berfungsi pada set data awam, membolehkan penemuan sasaran di institusi tanpa akses kepada sampel klinikal atau jujukan proprietari .
• Tidak terhad kepada LLM tertentu: Rangka kerja ini tidak terikat pada mana-mana LLM spesifik, jadi boleh diaplikasi pada model masa depan yang lebih maju .
• Matlamat: Pasukan penyelidik secara jelas merekabentuk pendekatan ini untuk memecahkan kesesakan dalam mencari sasaran permukaan yang selamat dan berkesan untuk tumor pepejal—halangan utama untuk perluas terapi CAR-T melampaui kanser darah yang kini diluluskan FDA .