AI-ramverk med människan i slingan upptäcker nytt CAR T-cellsmål för solida tumörer

Den 25 juni 2026 publicerade forskare vid Penn Medicine ledda av Daniel Baker, Carl June och Zoltan Arany en studie i Cell som beskriver ett AI-ramverk med människan i slingan som integrerar stora språkmodeller (LLM) med encells-RNA-sekvenseringsdata för att systematiskt upptäcka och prioritera nya mål för CAR T-cellsbehandling . Deras främsta kandidatantigen var GPNMB (glykoprotein icke-metastaserande melanomprotein B), och GPNMB-riktade CAR T-celler visade effekt i musmodeller av melanom, leukemi och kolorektalcancer . Ramverket är utformat för att vara modulärt, sjukdomsagnostiskt och anpassningsbart till alla LLM, med målet att dramatiskt påskynda målidentifieringen för solida tumörer och andra sjukdomar – och förkorta en process som kan ta månader eller år till bara några veckor .

Så fungerar AI-ramverket med människan i slingan

• Dataintegration: Teamet kombinerade fyra offentligt tillgängliga encells-RNA-sekvenseringsdataset från hudcancer med data från offentliga databaser och tillämpade specifika biologiska riktlinjer för att prioritera över 10 000 potentiella ytantigener utifrån CAR-T-relevanta egenskaper (t.ex. tumörspecifikt uttryck, yttillgänglighet) .
• LLM-baserad nominering: Flera avancerade stora språkmodeller användes för att nominera ideala mål från den prioriterade listan .