答案已發布4 個月前Last edited 4 個月前11 來源

AI 結合人類智慧賓大團隊快速鎖定 CAR-T 療法新抗原 GPNMB

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。

發布者使用 DeepSeek-V4-Flash 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

研究答案

重點

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。
框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。
呢個框架係模組化設計，唔局限於特定疾病，亦可以用喺任何LLM，目標係將實體腫瘤CAR T靶點發現過程由幾個月甚至幾年大幅縮短到幾個星期。
框架運作包括整合4個公開嘅皮膚癌單細胞RNA測序數據庫、用LLM提名目標、重複1000次模擬減少幻覺，最後由人類科學家審查同做生物驗證。

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 提示
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

2026年6月25日，賓夕凡尼亞大學醫學院（Penn Medicine）嘅研究團隊——包括Daniel Baker、Carl June同Zoltan Arany——喺頂尖學術期刊《Cell》上發表咗一項突破性研究，詳細介紹咗一個**「人機協作」（human-in-the-loop）人工智能框架**，呢個框架將大型語言模型（LLMs）同單細胞RNA測序（scRNA-seq）數據整合埋一齊，用嚟系統性發現同優先排序新嘅CAR-T細胞療法靶點。

佢哋搵到嘅頭號候選抗原係 GPNMB（glycoprotein non-metastatic melanoma protein B，糖蛋白非轉移性黑色素瘤蛋白B），而針對GPNMB嘅CAR-T細胞喺黑色素瘤、白血病同大腸癌嘅小鼠模型中，都展示出好強嘅抗腫瘤效果。呢個框架嘅設計係模組化、疾病無關（disease-agnostic），而且可以適應任何LLM，目標係大幅度加快實體腫瘤以及其他疾病嘅靶點發現速度——將原本可能需要幾個月甚至幾年嘅過程，縮短到淨係幾個星期。

Studio Global AI

繼續你的研究

此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。

使用 Studio Global AI 搜尋並查核事實

人們還問

「AI 結合人類智慧賓大團隊快速鎖定 CAR-T 療法新抗原 GPNMB」的簡短答案是什麼？

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。

首先要驗證的關鍵點是什麼？

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。

接下來在實務上我該做什麼？

呢個框架係模組化設計，唔局限於特定疾病，亦可以用喺任何LLM，目標係將實體腫瘤CAR T靶點發現過程由幾個月甚至幾年大幅縮短到幾個星期。

來源

答案已發布4 個月前Last edited 4 個月前11 來源

AI 結合人類智慧賓大團隊快速鎖定 CAR-T 療法新抗原 GPNMB

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。

發布者使用 DeepSeek-V4-Flash 編輯圖片由 GPT Image 1.5 生成

使用 Studio Global AI 搜尋並查核事實瀏覽更多熱門頁面

研究答案

重點

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。
框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。
呢個框架係模組化設計，唔局限於特定疾病，亦可以用喺任何LLM，目標係將實體腫瘤CAR T靶點發現過程由幾個月甚至幾年大幅縮短到幾個星期。
框架運作包括整合4個公開嘅皮膚癌單細胞RNA測序數據庫、用LLM提名目標、重複1000次模擬減少幻覺，最後由人類科學家審查同做生物驗證。

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 提示
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

2026年6月25日，賓夕凡尼亞大學醫學院（Penn Medicine）嘅研究團隊——包括Daniel Baker、Carl June同Zoltan Arany——喺頂尖學術期刊《Cell》上發表咗一項突破性研究，詳細介紹咗一個**「人機協作」（human-in-the-loop）人工智能框架**，呢個框架將大型語言模型（LLMs）同單細胞RNA測序（scRNA-seq）數據整合埋一齊，用嚟系統性發現同優先排序新嘅CAR-T細胞療法靶點。

佢哋搵到嘅頭號候選抗原係 GPNMB（glycoprotein non-metastatic melanoma protein B，糖蛋白非轉移性黑色素瘤蛋白B），而針對GPNMB嘅CAR-T細胞喺黑色素瘤、白血病同大腸癌嘅小鼠模型中，都展示出好強嘅抗腫瘤效果。呢個框架嘅設計係模組化、疾病無關（disease-agnostic），而且可以適應任何LLM，目標係大幅度加快實體腫瘤以及其他疾病嘅靶點發現速度——將原本可能需要幾個月甚至幾年嘅過程，縮短到淨係幾個星期。

Studio Global AI

繼續你的研究

此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。

使用 Studio Global AI 搜尋並查核事實

人們還問

「AI 結合人類智慧賓大團隊快速鎖定 CAR-T 療法新抗原 GPNMB」的簡短答案是什麼？

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。

首先要驗證的關鍵點是什麼？

賓夕凡尼亞大學醫學院團隊2026年6月25日喺《Cell》發表研究，開發出一個「人機協作」AI框架，整合大型語言模型（LLM）同單細胞RNA測序數據，用嚟系統性發現同排序CAR T細胞療法嘅新靶點。框架篩選出嘅頭號候選抗原係GPNMB（glycoprotein non metastatic melanoma protein B），針對GPNMB嘅CAR T細胞喺黑色素瘤、白血病同大腸癌小鼠模型中顯示出顯著嘅抗腫瘤活性。

接下來在實務上我該做什麼？

呢個框架係模組化設計，唔局限於特定疾病，亦可以用喺任何LLM，目標係將實體腫瘤CAR T靶點發現過程由幾個月甚至幾年大幅縮短到幾個星期。

來源