AI-translated from English; not yet reviewed by a fluent editor.

# KI-entworfene CAR-T-Binder zeigten Zellaktivität; vier von zehn töteten Zielzellen spezifisch

> Eine Studie untersuchte 12.000 entworfene CD20-Binder in CAR-T-Zellen. Sie fand 707 Treffer im gepoolten Wachstumsscreen; vier von zehn einzeln getesteten Designs zeigten eine signifikant spezifische Abtötung von Zielzellen.

By BIG CHANGE Editorial

Published: 2026-10-10T11:09:00.637Z
Updated: 2026-10-10T11:09:00.637Z
Canonical: https://bigchange.ai/blog/ai-designed-car-t-binders-cd20-study

![Conceptual illustration of an engineered immune cell and a separate target cell suspended in a culture well; not to scale.](https://bigchange.ai/api/media/file/car-t-binder-study-culture-well-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

Die Forschenden baten 28 Teams, 12.000 kurze Proteine zu entwerfen, die CD20 erkennen könnten, einen Marker auf der Oberfläche bestimmter Krebszellen. Statt die Entwürfe nur danach zu beurteilen, ob ein isoliertes Protein an CD20 binden konnte, setzte die [Bits-to-Binders-Studie](https://link.springer.com/article/10.1038/s44320-026-00246-1) jede 80 Aminosäuren lange Sequenz in einen chimären Antigenrezeptor (CAR) ein und untersuchte das Verhalten menschlicher T-Zellen. Die frei zugängliche Arbeit erschien am 8. Oktober in *Molecular Systems Biology*.

Mit jedem Schritt wurden die Ergebnisse spezifischer. Ein gepoolter Zellwachstums-Screen identifizierte 707 Entwürfe mit einer statistisch signifikanten Anreicherung von mindestens dem Zweifachen unter Bedingungen mit CD20-positiven Zellen. Anschließend testeten die Forschenden zehn führende, nicht redundante Entwürfe einzeln. Sieben zeigten eine zielassoziierte Proliferation, Expansion und Zytokinproduktion oberhalb der Negativkontrolle. Vier bewirkten eine signifikant stärkere *spezifische* Abtötung CD20-positiver Zellen als diese Kontrolle. Das sind Labormessungen aus einem einzigen T-Zell-Donorisolat und kein Beleg dafür, dass eine Behandlung bei Patienten wirkt.

## Die entscheidende Veränderung

- **Was sich änderte:** Ein Wettbewerb bewertete Tausende computergestützt entworfene CD20-Binder als funktionsfähige Bestandteile von CARs in primären menschlichen T-Zellen und prüfte anschließend zehn führende Entwürfe einzeln in funktionellen Assays.
- **Wie:** Die Teams kombinierten unterschiedliche generative Verfahren, Sequenzdesign, Strukturvorhersage und Auswahlmethoden. Die Forschenden setzten die eingereichten Sequenzen in dasselbe CAR-Gerüst ein, untersuchten das T-Zell-Wachstum in einem Pool und maßen mehrere Funktionen ausgewählter Konstrukte getrennt.
- **Warum es wichtig ist:** Das Experiment stellt eine anspruchsvollere Frage als die isolierte Bindung: Kann eine T-Zelle die entworfene Erkennungsdomäne exprimieren und dadurch auf ein Ziel reagieren? Der Rückgang von Treffern im gepoolten Screen bis zur spezifischen Abtötung zeigt, warum jeder Assay für sich interpretiert werden muss.
- **Was ungewiss bleibt:** Die Studie verwendete ein CAR-Gerüst und ein Donorisolat. Der gepoolte Vergleich kann CD20-spezifische Effekte nicht allein herauslösen, und keiner der Entwürfe wurde an Tieren oder Menschen getestet.

## Vom entworfenen Binder zur Zellantwort

Ein CAR verleiht einer T-Zelle einen künstlich konstruierten Oberflächenrezeptor. Seine nach außen gerichtete Domäne erkennt ein Ziel; der übrige Rezeptor hilft, diese Erkennung in eine Zellantwort umzusetzen. Ein Protein, das in einem Bindungsmodell vielversprechend aussieht, kann dennoch scheitern, wenn es hergestellt, auf der Zelloberfläche präsentiert und von einer lebenden T-Zelle eingesetzt werden muss. Genau diese Lücke sollte der Wettbewerb prüfen.

Teilnehmende aus 42 Ländern reichten während einer sechswöchigen Phase Entwürfe ein. Ihre Arbeitsabläufe unterschieden sich. Einige nutzten Diffusionsmodelle wie RFdiffusion oder Chroma; andere Methoden wie BindCraft, ColabDesign und Protein-Sprachmodelle. Viele setzten außerdem ProteinMPNN ein, um Sequenzen vorzuschlagen oder zu variieren, Strukturvorhersagen zur Bewertung von Kandidaten und weitere computergestützte Filter. Einige gingen von CD20 in einer bekannten antikörpergebundenen Struktur oder von Fragmenten CD20-spezifischer Antikörper aus. Die eingereichten Sequenzen stammten daher aus gemischten menschlichen und computergestützten Arbeitsabläufen, nicht aus einem einzelnen KI-Modell, das jeden erfolgreichen Rezeptor ohne weitere Hilfe entworfen hätte.

Die Forschenden synthetisierten DNA für die eingereichten 80 Aminosäuren langen Domänen und setzten sie in dasselbe CAR-Backbone der zweiten Generation ein. Die Sequenz jeder Domäne diente in einem Pool gentechnisch veränderter T-Zellen als Barcode. Sie verglichen die Häufigkeit dieser Barcodes nach zwei Wochen Kultur mit CD20-positiven Raji-Zellen mit Kulturen ohne diese Zielzellen. Von den 12.000 Entwürfen bestanden 98,3 Prozent die Qualitätsprüfung des DNA-Lieferanten, aber nur 56,8 Prozent überschritten nach dem Zellwachstum den Mindestwert für auswertbare Reads der Studie. Eine fehlgeschlagene oder fehlende Sequenz lässt sich in dieser Phase nicht einfach als Binder zählen, der CD20 nicht erkannt hat; auch Herstellung, Expression und Zellfitness beeinflussen den Trichter.

Der gepoolte Screen fand 707 Sequenzen mit einer signifikanten Anreicherung von mindestens dem Zweifachen. Das entspricht 5,9 Prozent aller Einreichungen; die Trefferquoten der Teams reichten von 0,6 bis 38,4 Prozent. Das Experiment verwendete drei technische Replikate je Bedingung aus einem Donor. Verglichen wurden Raji-Zellen mit Kulturen ohne Raji-Zellen, nicht CD20-positive mit ansonsten passenden CD20-negativen Raji-Zellen. Die Autorinnen und Autoren warnen deshalb, dass das gepoolte Ergebnis unmittelbarer ein Raji-assoziiertes Wachstumssignal darstellt, auch wenn spätere Bindungs- und Einzelassays die CD20-Erkennung einiger Kandidaten stützen.

## Zehn Einzeltests änderten die Einordnung

Die zehn führenden unterschiedlichen Entwürfe wurden als einzelne CAR-Konstrukte neu aufgebaut. Die Forschenden maßen Rezeptorexpression, Teilung und Expansion von T-Zellen, die Produktion zweier Signalproteine sowie die Abtötung von Zielzellen. Sieben übertrafen die unveränderte T-Zell-Negativkontrolle in den zielassoziierten Proliferations-, Expansions- und Zytokin-Assays. Drei dieser sieben zeigten jedoch keine signifikant spezifische Abtötung von Zielzellen.

Der Abtötungsassay verglich CD20-positive Raji-Zellen mit CD20-negativen K562-Zellen. Nur vier Entwürfe mit den Nummern 1506, 2383, 3494 und 3718 zeigten eine signifikant stärkere spezifische Lyse als die Negativkontrolle. Die Arbeit berichtet bei mehreren Entwürfen auch über eine Hintergrundabtötung beider Zelllinien. Das ist wichtig, denn die Abtötung einer CD20-positiven Zelle allein beweist nicht, dass ein CAR gut zwischen Ziel- und Nichtzielzellen unterscheidet. Über die funktionellen Messwerte hinweg blieben die entworfenen Binder im Allgemeinen hinter der etablierten, antikörperbasierten CAR-Kontrolle der Studie zurück; eine Ausnahme betraf einen Zytokin-Messwert.

Ein Bindungsassay mit isoliertem Protein lieferte einen weiteren Vorbehalt. Nur drei der zehn zeigten unter diesen Bedingungen eine nennenswerte Bindung an mit Detergens solubilisiertes CD20. Die Autorinnen und Autoren sagen, dass dieser Assay das Verhalten eines Binders in einem CAR auf einer T-Zelle möglicherweise nicht abbildet. Umgekehrt reicht ein Wachstumssignal aus einem gepoolten Screen nicht aus, um präzise Bindung oder eine sichere Zielselektivität nachzuweisen. Die Assays beantworten verwandte, aber engere Fragen.

## Wozu der Benchmark beitragen kann

Die Studie verglich außerdem Designentscheidungen und Sequenzmerkmale mit experimentellen Ergebnissen. Sie fand breite Unterschiede zwischen Methoden, doch die Teams kombinierten Werkzeuge und reichten unterschiedlich viele verwandte Sequenzen ein. Die Autorinnen und Autoren warnen, dass sich der scheinbare Erfolg einer Methode meist nicht als sauberer Kausalvergleich lesen lässt. Gängige strukturbezogene Konfidenzwerte sagten ihren Angaben zufolge in diesem Datensatz wenig über Wiedergewinnung und Proliferation aus.

Einige einfachere Sequenzprüfungen schienen innerhalb desselben Datensatzes nützlicher. In einer retrospektiven Analyse erhöhten Filter für Merkmale wie DNA-Zusammensetzung, wiederholte Sequenzmotive und bestimmte Aminosäuremuster den Anteil eingereichter Entwürfe mit zielassoziierter Proliferation. Die nachträgliche Filterung dieses Wettbewerbs hilft, dessen Fehlschläge zu untersuchen; sie hat eine entsprechende Verbesserung in einer neuen prospektiven Designrunde noch nicht gezeigt.

Der unmittelbare Beitrag ist ein offener experimenteller Benchmark, der Designentscheidungen mit mehreren Ergebnissen auf Zellebene verknüpft. Seine Grenzen sind erheblich: ein Donorisolat, ein CAR-Gerüst, ein gepoolter Assay mit unvollkommenem Spezifitätsvergleich und Hintergrundabtötung in Einzeltests. Die Autorinnen und Autoren sagen ausdrücklich, dass der Wettbewerb Designmethoden in einem therapeutischen Kontext bewerten sollte, nicht eine klinikreife CAR-T-Therapie hervorbringen.

## Quellen und weiterführende Lektüre

- [Kosonocky und Kollegen, „Validation and analysis of 12,000 AI-driven CAR-T designs in the Bits to Binders competition“, *Molecular Systems Biology*, 8. Oktober 2026](https://link.springer.com/article/10.1038/s44320-026-00246-1). Die frei zugängliche Originalarbeit beschreibt die Wettbewerbsmethoden, gepoolte und einzelne Assays, die computergestützte Analyse sowie die genannten Einschränkungen. Sie ist die Grundlage der hier genannten Zahlen.
- [Studiendaten und eingereichte Sequenzentwürfe auf Zenodo](https://doi.org/10.5281/zenodo.20451404). Die Arbeit verlinkt dieses Repository mit den eingereichten Sequenzen und zugehörigen Daten; BIG CHANGE hat die Dateien nicht erneut analysiert.

## Sources

- [Validation and analysis of 12,000 AI-driven CAR-T designs in the Bits to Binders competition](https://link.springer.com/article/10.1038/s44320-026-00246-1) — Primäre frei zugängliche experimentelle Arbeit; belegt Designmethoden, gepoolte und einzelne Assays, Analyse und genannte Einschränkungen.
- [Bits-to-Binders-Studiendaten und eingereichte Sequenzentwürfe](https://doi.org/10.5281/zenodo.20451404) — Vom Artikel verlinktes Repository. BIG CHANGE hat die Dateien nicht unabhängig analysiert.