Markdown 버전

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

# AI 설계 CAR-T 결합체, 세포 활성 보여…10개 중 4개가 표적 세포를 특이적으로 사멸

> 한 연구가 CAR-T 세포에서 설계된 CD20 결합체 12,000개를 선별했다. 혼합 증식 검사에서 707개가 신호를 보였고, 개별 시험한 10개 중 4개는 표적 세포를 유의하게 특이적으로 사멸시켰다.

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.

연구진은 28개 팀에 특정 암세포 표면의 표지자인 CD20을 인식할 수 있는 짧은 단백질 12,000개를 설계해 달라고 요청했다. 고립된 단백질이 CD20에 결합하는지만으로 설계를 판단하지 않고, [Bits to Binders 연구](https://link.springer.com/article/10.1038/s44320-026-00246-1)는 각 80개 아미노산 서열을 키메라 항원 수용체(CAR)에 넣고 인간 T세포의 반응을 선별했다. 오픈 액세스 논문은 *Molecular Systems Biology*에 10월 8일 게재됐다.

단계마다 결과 범위는 더 좁아졌다. CD20 양성 세포가 포함된 조건에서 혼합 세포 성장 검사는 2배 이상 통계적으로 유의하게 풍부해진 설계 707개를 확인했다. 이어 연구진은 중복되지 않는 상위 설계 10개를 하나씩 시험했다. 7개는 음성 대조군보다 표적 관련 증식, 확장 및 사이토카인 생산이 높았다. 그중 4개는 대조군보다 CD20 양성 세포를 유의하게 더 많이 *특이적으로* 사멸시켰다. 이는 한 명의 공여자에서 분리한 T세포를 이용한 실험실 측정이며, 환자에게 치료 효과가 있다는 증거는 아니다.

## 핵심 변화

- **무엇이 달라졌나:** 한 대회가 계산적으로 설계된 CD20 결합체 수천 개를 일차 인간 T세포 내 CAR의 작동 부품으로 평가한 뒤, 상위 설계 10개를 개별 기능 검사로 확인했다.
- **방법:** 팀들은 다양한 생성형 방법, 서열 설계, 구조 예측 및 선별 기법을 조합했다. 연구진은 제출된 서열을 하나의 CAR 골격에 삽입하고, 혼합 상태에서 T세포 성장을 선별했으며, 선택된 구성체의 여러 기능을 각각 측정했다.
- **왜 중요한가:** 이 실험은 고립된 결합보다 어려운 질문을 시험한다. 설계된 인식 도메인이 T세포에서 발현되어 표적에 대한 반응을 도울 수 있는가? 혼합 검사 신호에서 특이적 사멸까지 수가 줄어든 점은 각 검사를 측정 대상에 맞게 해석해야 하는 이유를 보여준다.
- **여전히 불확실한 점:** 이 연구는 CAR 골격 하나와 한 공여자에서 분리한 세포만 사용했다. 혼합 비교만으로 CD20 특이 효과를 따로 분리할 수 없으며, 어떤 설계도 동물이나 환자에서 시험하지 않았다.

## 설계된 결합체에서 세포 반응까지

CAR는 T세포에 공학적으로 만든 표면 수용체를 부여한다. 바깥쪽 도메인은 표적을 인식하고, 수용체의 나머지 부분은 그 인식을 세포 반응으로 바꾸도록 돕는다. 결합 모델에서 유망해 보이는 단백질도 실제 살아 있는 T세포가 이를 만들고 표면에 드러내 사용해야 할 때 실패할 수 있다. 대회는 바로 그 간극을 시험했다.

42개국 참가자가 6주간의 단계에서 설계를 제출했다. 작업 방식은 다양했다. 일부는 RFdiffusion이나 Chroma 같은 확산 모델을 사용했고, 다른 팀은 BindCraft, ColabDesign 및 단백질 언어 모델 등을 활용했다. 많은 팀이 ProteinMPNN으로 서열을 제안하거나 다양화하고, 구조 예측기로 후보를 평가했으며, 다른 계산 필터도 사용했다. 몇몇 팀은 알려진 항체 결합 구조의 CD20이나 CD20 특이 항체 조각에서 출발했다. 따라서 제출 서열은 모든 성공 수용체를 단일 AI 모델이 단독 설계한 것이 아니라 인간과 계산 도구가 섞인 작업 흐름에서 나왔다.

연구진은 제출된 80개 아미노산 도메인의 DNA를 합성해 같은 2세대 CAR 골격에 넣었다. 각 도메인 서열은 공학적으로 조작한 T세포 혼합물에서 바코드 역할을 했다. CD20 양성 Raji 세포와 함께 배양한 조건과 표적 세포 없이 배양한 조건에서 2주 뒤 바코드의 양을 비교했다. 설계 12,000개 중 98.3%는 DNA 공급업체의 품질 검사를 통과했지만, 세포 성장 후 연구의 최소 판독 기준을 통과한 것은 56.8%였다. 이 단계에서 실패하거나 누락된 서열을 CD20을 인식하지 못한 결합체로 곧바로 셀 수는 없다. 생산, 발현 및 세포 적합성도 전체 선별 과정에 영향을 준다.

혼합 검사는 2배 이상 유의하게 풍부해진 서열 707개를 찾았다. 전체 제출물의 5.9%이며 팀별 적중률은 0.6%에서 38.4%까지였다. 실험은 한 공여자에서 조건별 기술 반복 3회를 사용했다. 비교는 Raji 세포와 Raji 세포가 없는 조건이었지, CD20 양성 Raji 세포와 그 외에는 동일한 CD20 음성 Raji 세포의 비교가 아니었다. 따라서 저자들은 후속 결합 및 개별 검사에서 일부 후보의 CD20 인식이 뒷받침되더라도, 혼합 결과가 더 직접적으로 나타내는 것은 Raji 관련 성장 신호라고 주의를 준다.

## 개별 검사 10개가 해석을 바꿨다

서로 다른 상위 설계 10개를 개별 CAR 구성체로 다시 만들었다. 연구진은 수용체 발현, T세포 분열과 확장, 두 신호 단백질의 생산 및 표적 세포 사멸을 측정했다. 7개는 표적 관련 증식, 확장 및 사이토카인 검사에서 편집하지 않은 T세포 음성 대조군을 넘어섰다. 그러나 이 7개 중 3개는 표적 세포의 유의한 특이적 사멸을 보이지 않았다.

사멸 검사는 CD20 양성 Raji 세포와 CD20 음성 K562 세포를 비교했다. 1506, 2383, 3494, 3718로 번호가 붙은 네 설계만 음성 대조군보다 특이적 용해가 유의하게 컸다. 논문은 여러 설계가 두 세포주 모두를 배경 수준에서 사멸시킨다고도 보고한다. CD20 양성 세포를 죽이는 것만으로 CAR가 표적과 비표적 세포를 잘 구별한다는 증거가 되지는 않으므로 중요하다. 기능 지표 전반에서 설계 결합체는 대체로 연구의 기존 항체 유래 CAR 대조군보다 성능이 낮았으며, 한 사이토카인 측정에서 보고된 예외가 있었다.

고립 단백질 결합 검사도 주의를 더했다. 해당 조건에서 열 개 중 세 개만 세제로 용해한 CD20에 눈에 띄게 결합했다. 저자들은 이 검사가 T세포 CAR에 표시된 결합체의 행동을 나타내지 않을 수 있다고 말한다. 반대로 혼합 성장 신호만으로 정밀한 결합이나 안전한 표적 선택성을 확립할 수도 없다. 각 검사는 서로 관련되지만 더 한정적인 질문에 답한다.

## 이 기준이 안내할 수 있는 것

연구는 설계 선택과 서열 특성을 실험 결과와 비교하기도 했다. 방법 간 큰 차이를 찾았지만 팀마다 도구를 섞어 썼고 유사한 서열을 제출한 수도 달랐다. 저자들은 한 방법의 겉보기 성공을 일반적으로 깔끔한 인과 비교로 읽을 수 없다고 경고한다. 흔히 쓰이는 구조 기반 신뢰도 점수는 이 데이터셋에서 회수율과 증식을 거의 예측하지 못했다고 보고했다.

같은 데이터셋에서는 더 단순한 서열 점검 몇 가지가 유용해 보였다. 후향 분석에서 DNA 구성, 반복 서열 모티프, 특정 아미노산 패턴 등의 특징을 거르는 필터는 제출 설계 중 표적 관련 증식을 보인 비율을 높였다. 이 대회를 후향적으로 필터링하는 것은 실패를 분석하는 방법이지, 새로운 전향적 설계 라운드에서 같은 개선을 입증한 것은 아니다.

직접적인 기여는 설계 선택과 여러 세포 수준 결과를 연결하는 공개 실험 기준이다. 한 공여자 세포 분리물, CAR 골격 하나, 특이성 비교가 완전하지 않은 혼합 검사, 개별 시험의 배경 사멸 등 한계가 상당하다. 저자들은 이 대회가 치료 맥락에서 설계 방법을 평가하기 위한 것이지 임상에 바로 쓸 수 있는 CAR-T 치료제를 만들기 위한 것은 아니라고 명시한다.

## 출처 및 더 읽을거리

- [Kosonocky 외, 「Bits to Binders 대회에서 AI 기반 CAR-T 설계 12,000개의 검증과 분석」, *Molecular Systems Biology*, 2026년 10월 8일](https://link.springer.com/article/10.1038/s44320-026-00246-1). 주요 오픈 액세스 논문은 대회 방법, 혼합 및 개별 검사, 계산 분석과 한계를 보고한다. 여기 제시한 수치 결과의 근거다.
- [Zenodo의 연구 데이터와 설계 서열](https://doi.org/10.5281/zenodo.20451404). 논문은 제출 서열과 관련 자료를 위해 이 저장소를 연결한다. BIG CHANGE는 파일을 다시 분석하지 않았다.

## Sources

- [Bits to Binders 대회에서 AI 기반 CAR-T 설계 12,000개의 검증과 분석](https://link.springer.com/article/10.1038/s44320-026-00246-1) — 주요 오픈 액세스 실험 논문으로, 설계 방법, 혼합 및 개별 검사, 분석과 명시된 한계를 뒷받침한다.
- [Bits to Binders 연구 데이터와 제출된 설계 서열](https://doi.org/10.5281/zenodo.20451404) — 논문에서 연결한 저장소. BIG CHANGE는 파일을 독립적으로 분석하지 않았다.