Markdown संस्करण

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

# AI से डिज़ाइन किए गए CAR-T बाइंडरों ने कोशिकीय गतिविधि दिखाई; दस में से चार ने लक्ष्य कोशिकाओं को चुनिंदा रूप से मारा

> एक अध्ययन ने CAR-T कोशिकाओं में डिज़ाइन किए गए 12,000 CD20 बाइंडरों की जाँच की। संयुक्त वृद्धि स्क्रीन में 707 हिट मिले; व्यक्तिगत रूप से जाँचे गए दस में से चार ने लक्ष्य कोशिकाओं को चुनिंदा ढंग से मारने का महत्वपूर्ण प्रभाव दिखाया।

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.

शोधकर्ताओं ने 28 टीमों से ऐसे 12,000 छोटे प्रोटीन डिज़ाइन करने को कहा जो CD20 को पहचान सकते हों—यह कुछ कैंसर कोशिकाओं की सतह पर पाया जाने वाला एक मार्कर है। केवल यह देखने के बजाय कि कोई अलग किया हुआ प्रोटीन CD20 से जुड़ सकता है या नहीं, [Bits to Binders अध्ययन](https://link.springer.com/article/10.1038/s44320-026-00246-1) ने 80-अमीनो-अम्ल के हर अनुक्रम को एक काइमेरिक एंटीजन रिसेप्टर (CAR) में रखा और देखा कि मानव T कोशिकाएँ कैसे व्यवहार करती हैं। खुली पहुँच वाला शोधपत्र 8 अक्टूबर को *Molecular Systems Biology* में प्रकाशित हुआ।

हर चरण में नतीजे अधिक सीमित होते गए। संयुक्त कोशिका-वृद्धि स्क्रीन ने CD20-पॉज़िटिव कोशिकाओं वाली स्थिति में कम-से-कम दो गुना सांख्यिकीय रूप से महत्वपूर्ण वृद्धि वाले 707 डिज़ाइन चिन्हित किए। इसके बाद शोधकर्ताओं ने दस प्रमुख, गैर-दोहराव वाले डिज़ाइनों को एक-एक करके जाँचा। सात ने लक्ष्य-संबंधी प्रसार, विस्तार और साइटोकाइन उत्पादन में नकारात्मक नियंत्रण से अधिक परिणाम दिखाए। चार ने उस नियंत्रण की तुलना में CD20-पॉज़िटिव कोशिकाओं को उल्लेखनीय रूप से अधिक *चुनिंदा ढंग से* मारा। ये एक ही दाता से मिले T-कोशिका आइसोलेट के प्रयोगशाला माप हैं; ये इस बात का प्रमाण नहीं हैं कि कोई उपचार मरीजों में काम करता है।

## मुख्य बदलाव

- **क्या बदला:** एक प्रतियोगिता ने प्राथमिक मानव T कोशिकाओं में CAR के कार्यशील हिस्सों के रूप में कंप्यूटर से डिज़ाइन किए गए हजारों CD20 बाइंडरों का मूल्यांकन किया, फिर दस प्रमुख डिज़ाइनों को अलग-अलग कार्यात्मक परीक्षणों में जाँचा।
- **कैसे:** टीमों ने अलग-अलग जनरेटिव तरीकों, अनुक्रम डिज़ाइन, संरचना पूर्वानुमान और चयन विधियों को मिलाया। शोधकर्ताओं ने जमा किए गए अनुक्रमों को एक ही CAR ढाँचे में रखा, T-कोशिका वृद्धि को एक पूल में जाँचा और चुने गए निर्माणों के कई कार्य अलग-अलग मापे।
- **यह क्यों मायने रखता है:** यह प्रयोग केवल अलग-अलग बाइंडिंग से कठिन सवाल पूछता है: क्या T कोशिका डिज़ाइन किए गए पहचान डोमेन को व्यक्त कर सकती है और क्या वह उसे किसी लक्ष्य के प्रति प्रतिक्रिया देने में मदद करता है? संयुक्त स्क्रीन के हिट से चुनिंदा कोशिका-वध तक संख्या का गिरना दिखाता है कि हर परीक्षण को उसके अपने दायरे में क्यों समझना चाहिए।
- **क्या अब भी अनिश्चित है:** अध्ययन में एक CAR ढाँचे और एक दाता का आइसोलेट इस्तेमाल हुआ। संयुक्त तुलना अपने-आप CD20-विशिष्ट प्रभावों को अलग नहीं कर सकती, और किसी भी डिज़ाइन को जानवरों या मरीजों में नहीं जाँचा गया।

## डिज़ाइन किए बाइंडर से कोशिका की प्रतिक्रिया तक

CAR, T कोशिका को इंजीनियर किया हुआ सतही रिसेप्टर देता है। बाहर की ओर रहने वाला उसका डोमेन लक्ष्य पहचानता है; रिसेप्टर का बाकी हिस्सा उस पहचान को कोशिका की प्रतिक्रिया में बदलने में मदद करता है। बाइंडिंग मॉडल में अच्छा दिखने वाला प्रोटीन तब भी विफल हो सकता है जब उसे बनाना, कोशिका की सतह पर दिखाना और जीवित T कोशिका से इस्तेमाल कराना हो। प्रतियोगिता ने इसी अंतर को परखने की कोशिश की।

42 देशों के प्रतिभागियों ने छह सप्ताह के चरण में डिज़ाइन जमा किए। उनके कार्यप्रवाह अलग-अलग थे। कुछ ने RFdiffusion या Chroma जैसे डिफ्यूज़न मॉडल इस्तेमाल किए; अन्य ने BindCraft, ColabDesign और प्रोटीन भाषा मॉडल जैसी विधियाँ अपनाईं। कई टीमों ने अनुक्रम सुझाने या उनमें विविधता लाने के लिए ProteinMPNN, उम्मीदवारों का आकलन करने के लिए संरचना पूर्वानुमानकर्ता और अन्य कंप्यूटेशनल फ़िल्टर भी इस्तेमाल किए। कुछ ने एंटीबॉडी से जुड़ी ज्ञात संरचना में CD20 या CD20-विशिष्ट एंटीबॉडी के अंश से शुरुआत की। इसलिए जमा किए गए अनुक्रम मानव और कंप्यूटेशनल तरीकों के मिश्रण से आए थे; ऐसा नहीं था कि एक AI मॉडल ने बिना किसी मदद के हर सफल रिसेप्टर डिज़ाइन किया हो।

शोधकर्ताओं ने जमा किए गए 80-अमीनो-अम्ल डोमेन के लिए DNA बनाया और उन्हें दूसरी पीढ़ी के उसी CAR बैकबोन में रखा। हर डोमेन का अनुक्रम इंजीनियर की गई T कोशिकाओं के पूल में बारकोड की तरह काम करता था। उन्होंने CD20-पॉज़िटिव Raji कोशिकाओं के साथ दो सप्ताह की कल्चर के बाद इन बारकोडों की मात्रा की तुलना उन कल्चर से की जिनमें लक्ष्य कोशिकाएँ नहीं थीं। 12,000 डिज़ाइनों में से DNA आपूर्तिकर्ता की गुणवत्ता जाँच में 98.3% पास हुए, लेकिन कोशिका वृद्धि के बाद केवल 56.8% अध्ययन की न्यूनतम रीड सीमा तक पहुँचे। इस चरण में विफल या अनुपस्थित अनुक्रम को बस ऐसा बाइंडर नहीं माना जा सकता जिसने CD20 को नहीं पहचाना; उत्पादन, अभिव्यक्ति और कोशिका की क्षमता भी इस क्रम को प्रभावित करते हैं।

संयुक्त स्क्रीन में कम-से-कम दो गुना महत्वपूर्ण वृद्धि वाले 707 अनुक्रम मिले। यह सभी प्रस्तुतियों का 5.9% था और टीमों की हिट दर 0.6% से 38.4% तक थी। प्रयोग में एक दाता से प्रति स्थिति तीन तकनीकी प्रतिकृतियाँ थीं। तुलना Raji कोशिकाओं और बिना Raji कोशिकाओं वाली स्थिति के बीच थी, न कि CD20-पॉज़िटिव और अन्यथा समान CD20-निगेटिव Raji कोशिकाओं के बीच। इसलिए लेखक सावधान करते हैं कि संयुक्त परिणाम को अधिक सीधे Raji-संबंधी वृद्धि संकेत समझना चाहिए, भले ही बाद के बाइंडिंग और अलग-अलग परीक्षण कुछ उम्मीदवारों में CD20 पहचान का समर्थन करते हों।

## दस अलग-अलग परीक्षणों ने नतीजों की समझ बदली

दस प्रमुख अलग डिज़ाइनों को अलग-अलग CAR निर्माणों के रूप में फिर से बनाया गया। शोधकर्ताओं ने रिसेप्टर अभिव्यक्ति, T-कोशिका विभाजन और विस्तार, दो संकेतक प्रोटीनों का उत्पादन और लक्ष्य कोशिकाओं को मारने की क्षमता मापी। लक्ष्य-संबंधी प्रसार, विस्तार और साइटोकाइन परीक्षणों में सात ने बिना संपादन वाली T-कोशिका नकारात्मक नियंत्रण को पीछे छोड़ा। फिर भी उन सात में से तीन ने लक्ष्य कोशिकाओं को चुनिंदा ढंग से मारने का महत्वपूर्ण प्रभाव नहीं दिखाया।

मारने वाले परीक्षण ने CD20-पॉज़िटिव Raji कोशिकाओं की तुलना CD20-निगेटिव K562 कोशिकाओं से की। 1506, 2383, 3494 और 3718 नंबर वाले केवल चार डिज़ाइनों में नकारात्मक नियंत्रण से काफी अधिक विशिष्ट लिसिस दिखी। शोधपत्र यह भी बताता है कि कई डिज़ाइनों ने दोनों कोशिका-रेखाओं को पृष्ठभूमि स्तर पर मारा। यह इसलिए महत्वपूर्ण है कि CD20-पॉज़िटिव कोशिका को मारना अपने-आप यह साबित नहीं करता कि CAR लक्ष्य और गैर-लक्ष्य कोशिकाओं में अच्छी पहचान करता है। सभी कार्यात्मक मापों में डिज़ाइन किए गए बाइंडर आम तौर पर अध्ययन के स्थापित, एंटीबॉडी-व्युत्पन्न CAR नियंत्रण से पीछे रहे; साइटोकाइन के एक माप में अपवाद बताया गया।

अलग किए गए प्रोटीन का बाइंडिंग परीक्षण एक और सावधानी जोड़ता है। उन परिस्थितियों में डिटर्जेंट से घुले CD20 से दस में से केवल तीन ने उल्लेखनीय बाइंडिंग दिखाई। लेखकों का कहना है कि यह परीक्षण T कोशिका पर CAR में दिखाए जाने पर बाइंडर के व्यवहार का प्रतिनिधित्व शायद न करे। दूसरी ओर, संयुक्त वृद्धि संकेत सटीक बाइंडिंग या सुरक्षित लक्ष्य-चयनशीलता स्थापित करने के लिए पर्याप्त नहीं है। परीक्षण आपस में जुड़े, लेकिन अधिक सीमित सवालों के जवाब देते हैं।

## यह बेंचमार्क किस दिशा में मदद कर सकता है

अध्ययन ने डिज़ाइन के विकल्पों और अनुक्रम की विशेषताओं की तुलना प्रयोगात्मक नतीजों से भी की। तरीकों में व्यापक अंतर मिला, लेकिन टीमों ने अलग-अलग औज़ार मिलाए और संबंधित अनुक्रमों की असमान संख्या जमा की। लेखक चेताते हैं कि किसी तरीके की दिखने वाली सफलता को सामान्यतः साफ़ कारणात्मक तुलना नहीं माना जा सकता। उनके अनुसार, सामान्य संरचना-आधारित विश्वास स्कोर ने इस डेटासेट में रिकवरी और प्रसार के बारे में बहुत कम बताया।

इसी डेटासेट में कुछ आसान अनुक्रम जाँचें अधिक उपयोगी लगीं। पूर्वव्यापी विश्लेषण में DNA संरचना, दोहराए गए अनुक्रम मोटिफ़ और खास अमीनो-अम्ल पैटर्न जैसी विशेषताओं के फ़िल्टरों ने लक्ष्य-संबंधी प्रसार वाले जमा डिज़ाइनों का हिस्सा बढ़ाया। इस प्रतियोगिता पर पीछे मुड़कर फ़िल्टर लगाना उसकी विफलताओं का विश्लेषण करने का तरीका है; इसने नए संभावित डिज़ाइन चरण में वही सुधार अभी प्रदर्शित नहीं किया है।

इसका तात्कालिक योगदान एक खुला प्रयोगात्मक बेंचमार्क है जो डिज़ाइन विकल्पों को कोशिका-स्तर के कई नतीजों से जोड़ता है। इसकी सीमाएँ बड़ी हैं: एक दाता आइसोलेट, एक CAR ढाँचा, विशिष्टता की अपूर्ण तुलना वाला संयुक्त परीक्षण और अलग-अलग परीक्षणों में पृष्ठभूमि हत्या। लेखक साफ़ कहते हैं कि प्रतियोगिता का उद्देश्य चिकित्सीय संदर्भ में डिज़ाइन तरीकों का मूल्यांकन करना था, क्लिनिक के लिए तैयार CAR-T उपचार बनाना नहीं।

## स्रोत और आगे पढ़ें

- [Kosonocky और सहलेखक, “Validation and analysis of 12,000 AI-driven CAR-T designs in the Bits to Binders competition,” *Molecular Systems Biology*, 8 अक्टूबर 2026](https://link.springer.com/article/10.1038/s44320-026-00246-1)। प्राथमिक खुली पहुँच वाला शोधपत्र प्रतियोगिता के तरीके, संयुक्त और अलग-अलग परीक्षण, कंप्यूटेशनल विश्लेषण और बताई गई सीमाएँ प्रस्तुत करता है। यहाँ दिए संख्यात्मक नतीजे इसी पर आधारित हैं।
- [Zenodo पर अध्ययन का डेटा और जमा किए गए डिज़ाइन अनुक्रम](https://doi.org/10.5281/zenodo.20451404)। शोधपत्र जमा किए गए अनुक्रमों और संबंधित डेटा के लिए इस रिपॉज़िटरी का लिंक देता है; BIG CHANGE ने फ़ाइलों का दोबारा विश्लेषण नहीं किया।

## 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) — प्राथमिक खुला-प्रवेश प्रयोगात्मक शोधपत्र; डिज़ाइन विधियों, संयुक्त और व्यक्तिगत परीक्षणों, विश्लेषण तथा बताई गई सीमाओं का समर्थन करता है।
- [Bits to Binders अध्ययन डेटा और जमा किए गए डिज़ाइन अनुक्रम](https://doi.org/10.5281/zenodo.20451404) — शोधपत्र से लिंक किया गया रिपॉज़िटरी। BIG CHANGE ने फ़ाइलों का स्वतंत्र विश्लेषण नहीं किया।