Penyelidik Universiti Pennsylvania Temui Sasaran Antigen GPNMB untuk Terapi CAR-T Menggunakan Rangka Kerja AI Manusia-dalam-Gelung

Pada 25 Jun 2026, penyelidik Penn Medicine yang diketuai Daniel Baker, Carl June, dan Zoltan Arany terbitkan satu kajian dalam Cell yang memperincikan rangka kerja AI manusia-dalam-gelung yang menggabungkan model bahasa besar (LLM) dengan data jujukan RNA sel tunggal untuk cari dan utamakan sasaran terapi CAR-T baharu secara sistematik . Antigen utama yang dikenal pasti ialah GPNMB (glycoprotein non-metastatic melanoma protein B), dan sel CAR-T yang diarah pada GPNMB menunjukkan keberkesanan dalam model tikus melanoma, leukemia, dan kanser kolorektal . Rangka kerja ini direka sebagai modular, tidak terhad kepada jenis penyakit, dan boleh laras dengan mana-mana LLM, dengan matlamat mempercepat penemuan sasaran untuk tumor pepejal—mengurangkan proses yang boleh ambil masa berbulan atau bertahun ke beberapa minggu .

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 .