Penn Araştırmacılarından CAT-T Hücre Terapisi İçin Yapay Zeka Atılımı: Yeni Katı Tümör Hedefi GPNMB

25 Haziran 2026'da, Penn Medicine araştırmacıları Daniel Baker, Carl June ve Zoltan Arany liderliğinde Cell dergisinde yayımlanan bir çalışma, büyük dil modellerini (LLM'ler) tek hücreli RNA dizileme verileriyle entegre ederek CAR-T hücre terapisi için yeni hedefleri sistematik olarak keşfedip önceliklendiren insan denetimli bir yapay zeka çerçevesini tanımladı . En iyi aday antijenleri GPNMB (glikoprotein non-metastatik melanom proteini B) oldu ve GPNMB hedefli CAR-T hücreleri, melanom, lösemi ve kolorektal kanser fare modellerinde etkinlik gösterdi . Çerçeve, modüler, hastalıktan bağımsız ve herhangi bir LLM'ye uyarlanabilir olacak şekilde tasarlandı ve aylar veya yıllar sürebilen bir süreci sadece birkaç haftaya indirerek katı tümörler ve ötesinde hedef keşfini büyük ölçüde hızlandırmayı amaçlıyor .

İnsan denetimli yapay zeka çerçevesi nasıl çalışıyor?

• Veri entegrasyonu: Ekip, dört halka açık tek hücreli RNA dizileme cilt kanseri veri setini kamuya açık veritabanlarındaki verilerle birleştirdi ve ardından 10.000'den fazla potansiyel yüzey antijenini CAR-T için uygun özelliklere (ör. tümöre özgü ifade, yüzey erişilebilirliği) göre önceliklendirmek için belirli biyolojik kılavuz ilkeler uyguladı .
• LLM tabanlı aday gösterme: Önceliklendirilmiş listeden ideal hedefleri belirlemek için çeşitli öncü büyük dil modelleri kullanıldı .
• Halüsinasyonu azaltmak için tekrar: Halüsinasyon gibi bilinen LLM risklerini azaltmak için aday gösterme simülasyonu bağımsız olarak 1.000 kez tekrarlandı ve sonuçlar nihai bir kısa listede toplandı .
• İnsan uzman incelemesi: Bilim insanları daha sonra kısa listeyi gözden geçirdi ve biyolojik doğrulama (yüzey ifadesi onayı, CAR yapımı ve klinik öncesi testler) gerçekleştirdi .
• Hız: Yapay zeka odaklı tüm süreç, manuel yöntemlerle aylar veya yıllar sürmesine karşın birkaç haftadan kısa sürdü .

Tanımlanan en iyi antijen: GPNMB

• GPNMB (glikoprotein non-metastatik melanom proteini B) çerçeveden en iyi aday olarak çıktı .
• GPNMB hedefli CAR-T hücreleri, melanom, lösemi ve kolorektal kanser fare modellerinde önemli anti-tümör aktivitesi göstererek çoklu kanser potansiyelini ortaya koydu .

Yaklaşım, kan kanserlerinin ötesinde hedef keşfini nasıl hızlandırmayı hedefliyor?

• Hastalıktan bağımsız tasarım: Çerçeve, kanıt konsepti için kullanılan cilt kanseri veri setleriyle sınırlı kalmayacak şekilde herhangi bir kanser türü veya hastalığa uyarlanabilir ve genellenebilir olarak inşa edildi .
• Kamuya açık verilerle çalışır: Kamuya açık veri setlerinde çalışarak hedef keşfini, klinik numunelere veya tescilli dizilemeye erişimi olan kurumların ötesinde herkes için erişilebilir hale getiriyor .
• LLM'den bağımsız: Çerçeve belirli bir LLM'ye bağlı değildir, bu nedenle gelecekte ortaya çıkan daha gelişmiş modellere de uygulanabilir .
• Hedef: Araştırmacılar, yaklaşımı özellikle CAR-T tedavisinin şu anda FDA onaylı olduğu kan kanserlerinin ötesine genişletilmesinin önündeki en büyük engel olan katı tümörler için güvenli ve etkili yüzey hedefleri bulma darboğazını kırmak için tasarladı .