本文来源于微信公众： Bloki 作者： Bloki Bloki

好久没分享AI相关文章了，来一篇简单的预印本，AI设计用在CAR-T上的binder，具体内容如下：

经典的CAR-T中是使用scFv识别结合抗原，作者计划设计蛋白结合分子（binder）用在CAR-T上，两条AI设计路线，一条用RFDiffusion，另一条用BindCraft（相关文章我们都分享过）

AI设计、虚拟筛选后，进行实际筛选：酵母展示-流式检测-磁珠分选-测序-大肠杆菌表达-实际验证binder和靶蛋白的互作

把AI虚拟筛出的bidner展示在酵母上，荧光标记的靶蛋白“染色”酵母，检测实际结合靶蛋白BCMA的binder（作者发现BindCraft设计命中率更高）

磁珠分选结合靶蛋白的酵母，测序挖掘binder

大肠杆菌表达测序挖出的binder，纯化拿到binder，量化binder和靶蛋白BCMA的互作

筛出的binder和BCMA的互作情况

把筛到的binder“做到”CAR-T中，评估CAR-T对靶细胞的响应

基于不同binder的CAR-T对细胞的响应情况，可以看到有的binder（如T1、T2、T3）对BCMA阴性细胞也会响应发生激活（CD69指示激活，C11D5.3是经典的scFv）

原代T细胞表达基于不同binder的CAR，CAR-T响应靶细胞激活、分泌效应分子

基于binder B5，用AI工具优化设计新的binder

把设计出的新binder做成CAR-T，CAR-T对荧光标记的BCMA结合情况、响应细胞刺激激活情况（可以看到有的CAR-T自身就会发生激活，还会响应BCMA阴性细胞发生激活，暗示有的binder介导CAR-T自发信号tonic signaling）

深入分析发现电荷引起自发信号tonic signaling（我们分享过电荷引起tonic singaling的文章scFv上正电荷通过强直信号影响CAR-T功能）

单细胞测序看不同binder的CAR-T，优化出的B5.10效应基因表达由于B5

基于不同binder的CAR-T体外杀靶细胞

换靶点，设计结合CD19的binder：FMC63（一个经典的scFV）、CD81结合在CD19上不同位点

AI设计出的binder更多的覆盖在CD81结合位点上

酵母展示-磁珠分选-测序实际筛选结合CD19的binder

把筛到的binder做进CAR-T，基于binder的CAR-T对CD19的结合不如经典的scFv FMC63

把筛到的binder做进CAR-T，基于binder的CAR-T对靶细胞的响应激活不如经典的FMC63

推测基于binder的CAR-T效果不好的原因：binder结合位点和CD81重合，CD81干扰了binder识别结合CD19

换靶点为CD22，筛到新的binder

把binder做成CAR-T，CAR-T结合CD22，响应细胞激活；发现不好的结果，基于binder D1的CAR-T响应CD22阴性细胞发生了激活

基于binder D1的CAR-T脱靶了，响应CD22阴性细胞发生了激活

AI优化binder D1

优化出新的D1.N0，构建CAR-T，不再响应CD22阴性细胞发生激活

基于D1的CAR-T会脱靶杀CD22阴性细胞，但基于D1.N0的CAR-T不会

来个总图：AI只是设计和虚拟筛选，还需要实际筛选可结合靶蛋白的binder，binder能否发挥功能又需进一步优化

AI是虚拟的，高效的提供了更多的可能性，更需要我们实际的去通过各种实验进行评估 – 它反而让活儿变多、变的更急迫了，你不做，别人做了，机会也就没了。