Markdown సంచిక

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

# AI రూపొందించిన CAR-T బైండర్లు కణాల్లో క్రియాశీలత చూపాయి; పదింటిలో నాలుగు లక్ష్య కణాలను నిర్దిష్టంగా చంపాయి

> ఒక అధ్యయనం CAR-T కణాల్లో రూపొందించిన 12,000 CD20 బైండర్లను పరీక్షించింది. సమూహ వృద్ధి స్క్రీన్‌లో 707 హిట్లు కనిపించాయి; విడిగా పరీక్షించిన పదింటిలో నాలుగు లక్ష్య కణాలను గణనీయంగా, నిర్దిష్టంగా చంపాయి.

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.

కొన్ని క్యాన్సర్ కణాల ఉపరితలంపై ఉండే గుర్తు CD20ను గుర్తించగల 12,000 చిన్న ప్రోటీన్లను రూపొందించమని పరిశోధకులు 28 బృందాలను కోరారు. విడిగా ఉన్న ప్రోటీన్ CD20కు బంధిస్తుందా అన్నదానితోనే రూపకల్పనలను అంచనా వేయకుండా, [Bits to Binders అధ్యయనం](https://link.springer.com/article/10.1038/s44320-026-00246-1) ప్రతి 80-అమైనో ఆమ్లాల క్రమాన్ని కైమెరిక్ యాంటిజెన్ రిసెప్టర్‌ (CAR)లో చేర్చి, మానవ T కణాల ప్రవర్తనను పరీక్షించింది. ఓపెన్-యాక్సెస్ పత్రం *Molecular Systems Biology* లో అక్టోబర్ 8న ప్రచురితమైంది.

ప్రతి దశలో ఫలితాల పరిధి మరింత పరిమితమైంది. CD20-పాజిటివ్ కణాలు ఉన్న పరిస్థితిలో కనీసం రెండింతల గణాంకపరంగా గణనీయమైన సమృద్ధి చూపిన 707 రూపకల్పనలను సమూహ కణవృద్ధి స్క్రీన్ గుర్తించింది. ఆ తర్వాత పరిశోధకులు ముందున్న, పునరావృతం కాని పది రూపకల్పనలను ఒక్కొక్కటిగా పరీక్షించారు. ఏడింటిలో లక్ష్యానికి సంబంధించిన విస్తరణ, కణాల పెరుగుదల, సైటోకైన్ ఉత్పత్తి ప్రతికూల నియంత్రణ కంటే ఎక్కువగా కనిపించాయి. నాలుగు రూపకల్పనలు ఆ నియంత్రణతో పోలిస్తే CD20-పాజిటివ్ కణాలను గణనీయంగా ఎక్కువగా *నిర్దిష్టంగా* చంపాయి. ఇవి ఒక దాత నుంచి వేరుచేసిన T కణాలతో చేసిన ప్రయోగశాల కొలతలు మాత్రమే; రోగుల్లో చికిత్స పనిచేస్తుందనడానికి ఆధారం కావు.

## ప్రధాన మార్పు

- **ఏమి మారింది:** ప్రాథమిక మానవ T కణాల్లో CARల పనిచేసే భాగాలుగా కంప్యూటర్‌తో రూపొందించిన వేలాది CD20 బైండర్లను ఒక పోటీ అంచనా వేసింది; అనంతరం ముందున్న పది రూపకల్పనలను విడివిడి కార్యాత్మక పరీక్షల్లో పరిశీలించింది.
- **ఎలా:** బృందాలు భిన్నమైన జనరేటివ్, క్రమ రూపకల్పన, నిర్మాణ అంచనా, ఎంపిక పద్ధతులను కలిపి ఉపయోగించాయి. పరిశోధకులు సమర్పించిన క్రమాలను ఒకే CAR అస్థిపంజరంలో చేర్చి, సమూహంలో T కణాల వృద్ధిని పరీక్షించి, ఎంచుకున్న నిర్మాణాల అనేక పనితీరులను విడిగా కొలిచారు.
- **ఇది ఎందుకు ముఖ్యం:** ఈ ప్రయోగం విడిగా ఉన్న ప్రోటీన్ బంధం కంటే కఠినమైన ప్రశ్నను పరీక్షిస్తుంది: రూపొందించిన గుర్తింపు డొమైన్ T కణంలో వ్యక్తమై, లక్ష్యానికి ప్రతిస్పందించడంలో దానికి సహాయపడగలదా? సమూహ హిట్ల నుంచి నిర్దిష్ట కణహననం వరకు సంఖ్య తగ్గడం వల్ల ప్రతి పరీక్షను అది కొలిచే అంశం ప్రకారమే అర్థం చేసుకోవాలని తెలుస్తుంది.
- **ఇంకా ఏది అనిశ్చితం:** అధ్యయనంలో ఒక CAR అస్థిపంజరం, ఒక దాత నుంచి వేరుచేసిన కణాలు మాత్రమే ఉపయోగించారు. సమూహ పోలికతో CD20-నిర్దిష్ట ప్రభావాలను మాత్రమే వేరు చేయలేం; ఏ రూపకల్పననూ జంతువుల్లో లేదా రోగుల్లో పరీక్షించలేదు.

## రూపొందించిన బైండర్ నుంచి కణ ప్రతిస్పందన వరకు

CAR T కణానికి ఇంజినీరింగ్ చేసిన ఉపరితల రిసెప్టర్‌ను అందిస్తుంది. బయటివైపు ఉన్న డొమైన్ లక్ష్యాన్ని గుర్తిస్తుంది; రిసెప్టర్‌లోని మిగతా భాగం ఆ గుర్తింపును కణ ప్రతిస్పందనగా మార్చడంలో సహాయపడుతుంది. బంధన నమూనాలో ఆశాజనకంగా కనిపించే ప్రోటీన్‌ను తయారు చేసి, ఉపరితలంపై ప్రదర్శించి, జీవించే T కణం ఉపయోగించాల్సినప్పుడు విఫలమవవచ్చు. పోటీ పరీక్షించిన అంతరం ఇదే.

42 దేశాల నుంచి పాల్గొన్నవారు ఆరు వారాల దశలో రూపకల్పనలను సమర్పించారు. వారి పనివిధానాలు భిన్నంగా ఉన్నాయి. కొందరు RFdiffusion లేదా Chroma వంటి డిఫ్యూషన్ నమూనాలను ఉపయోగించగా, మరికొందరు BindCraft, ColabDesign, ప్రోటీన్ భాషా నమూనాలు వంటి పద్ధతులు వాడారు. అనేక బృందాలు క్రమాలను ప్రతిపాదించడానికి లేదా వైవిధ్యపరచడానికి ProteinMPNNను, అభ్యర్థులను అంచనా వేయడానికి నిర్మాణ అంచనా సాధనాలను, ఇతర కంప్యూటేషనల్ ఫిల్టర్లను కూడా ఉపయోగించాయి. కొందరు తెలిసిన యాంటీబాడీ-బద్ధ నిర్మాణంలోని CD20తో లేదా CD20-నిర్దిష్ట యాంటీబాడీల భాగాలతో ప్రారంభించారు. అందువల్ల సమర్పించిన క్రమాలు ఒకే AI నమూనా సహాయం లేకుండా ప్రతి విజయవంతమైన రిసెప్టర్‌ను రూపొందించడం వల్ల కాక, మానవ మరియు కంప్యూటేషనల్ విధానాల మిశ్రమం నుంచి వచ్చాయి.

సమర్పించిన 80-అమైనో ఆమ్లాల డొమైన్లకు పరిశోధకులు DNAను తయారుచేసి, వాటిని ఒకే రెండో తరం CAR వెన్నెముకలో ఉంచారు. ప్రతి డొమైన్ క్రమం ఇంజినీరింగ్ చేసిన T కణాల సమూహంలో బార్‌కోడ్‌గా పనిచేసింది. CD20-పాజిటివ్ Raji కణాలతో రెండు వారాలు పెంచిన సంస్కృతుల్లో బార్‌కోడ్‌ల పరిమాణాన్ని, లక్ష్య కణాలు లేని సంస్కృతులతో పోల్చారు. 12,000 రూపకల్పనల్లో 98.3% DNA సరఫరాదారు నాణ్యత తనిఖీని దాటాయి; అయితే కణాల పెరుగుదల తర్వాత అధ్యయనం నిర్దేశించిన కనిష్ఠ రీడ్ పరిమితిని 56.8% మాత్రమే దాటాయి. ఈ దశలో విఫలమైన లేదా కనిపించని క్రమాన్ని CD20ను గుర్తించని బైండర్‌గా నేరుగా లెక్కించలేం; తయారీ, వ్యక్తీకరణ, కణాల సామర్థ్యం కూడా ఈ ప్రక్రియపై ప్రభావం చూపుతాయి.

సమూహ స్క్రీన్ కనీసం రెండింతల గణనీయమైన సమృద్ధి ఉన్న 707 క్రమాలను గుర్తించింది. ఇది అన్ని సమర్పణల్లో 5.9%; బృందాల హిట్ రేట్లు 0.6% నుంచి 38.4% వరకు ఉన్నాయి. ప్రతి పరిస్థితికి ఒక దాత నుంచి మూడు సాంకేతిక పునరావృతాలను ప్రయోగం ఉపయోగించింది. పోలిక Raji కణాలు ఉన్నవి, లేనివి మధ్య జరిగింది; CD20-పాజిటివ్ Raji కణాలను వాటితో ఇతరంగా సరిపోలే CD20-నెగటివ్ Raji కణాలతో పోల్చలేదు. అందువల్ల కొంతమంది అభ్యర్థుల్లో CD20 గుర్తింపును తరువాతి బంధన, వ్యక్తిగత పరీక్షలు సమర్థించినప్పటికీ, సమూహ ఫలితం మరింత నేరుగా Raji-సంబంధిత వృద్ధి సంకేతమని రచయితలు హెచ్చరిస్తున్నారు.

## పది వ్యక్తిగత పరీక్షలు అర్థాన్ని మార్చాయి

ముందున్న పది భిన్న రూపకల్పనలను విడివిడి CAR నిర్మాణాలుగా తిరిగి రూపొందించారు. పరిశోధకులు రిసెప్టర్ వ్యక్తీకరణ, T కణాల విభజన మరియు పెరుగుదల, రెండు సంకేత ప్రోటీన్ల ఉత్పత్తి, లక్ష్య కణాల హననాన్ని కొలిచారు. లక్ష్య-సంబంధిత విస్తరణ, పెరుగుదల, సైటోకైన్ పరీక్షల్లో ఏడింటి ఫలితాలు మార్చని T కణాల ప్రతికూల నియంత్రణ కంటే ఎక్కువగా ఉన్నాయి. అయితే ఆ ఏడింటిలో మూడు లక్ష్య కణాల గణనీయమైన నిర్దిష్ట హననాన్ని చూపలేదు.

హనన పరీక్ష CD20-పాజిటివ్ Raji కణాలను CD20-నెగటివ్ K562 కణాలతో పోల్చింది. 1506, 2383, 3494, 3718 సంఖ్యలున్న నాలుగు రూపకల్పనలకే ప్రతికూల నియంత్రణ కంటే గణనీయంగా ఎక్కువ నిర్దిష్ట లైసిస్ కనిపించింది. కొన్ని రూపకల్పనలు రెండు కణరేఖలనూ నేపథ్య స్థాయిలో చంపాయని పత్రం నివేదించింది. CD20-పాజిటివ్ కణాన్ని చంపడం మాత్రమే CAR లక్ష్య, లక్ష్యం కాని కణాలను బాగా వేరు చేస్తుందని నిరూపించదు కాబట్టి ఇది ముఖ్యం. కార్యాత్మక కొలతల్లో రూపొందించిన బైండర్లు సాధారణంగా అధ్యయనంలోని స్థిరపడిన యాంటీబాడీ-ఉత్పన్న CAR నియంత్రణ కంటే వెనుకబడ్డాయి; ఒక సైటోకైన్ కొలతలో మాత్రమే నివేదించిన మినహాయింపు ఉంది.

విడిగా ఉన్న ప్రోటీన్ బంధన పరీక్ష మరో జాగ్రత్తను జోడించింది. ఆ పరిస్థితుల్లో డిటర్జెంట్‌తో కరిగించిన CD20కు గమనించదగ్గ బంధం చూపింది పదింటిలో మూడు మాత్రమే. T కణంలోని CARపై ప్రదర్శించినప్పుడు బైండర్ ప్రవర్తనను ఈ పరీక్ష ప్రతిబింబించకపోవచ్చని రచయితలు చెబుతున్నారు. మరోవైపు, సమూహ వృద్ధి సంకేతం మాత్రమే ఖచ్చితమైన బంధనాన్ని లేదా సురక్షిత లక్ష్య ఎంపికను నిర్ధారించదు. ఈ పరీక్షలు సంబంధితమైనా, మరింత పరిమితమైన ప్రశ్నలకు సమాధానమిస్తాయి.

## ఈ బెంచ్‌మార్క్ ఏ దిశ చూపగలదు

రూపకల్పన ఎంపికలు, క్రమ లక్షణాలను ప్రయోగ ఫలితాలతో కూడా అధ్యయనం పోల్చింది. పద్ధతుల మధ్య విస్తృత తేడాలు కనిపించాయి; అయితే బృందాలు అనేక సాధనాలను కలిపి వాడాయి, సంబంధిత క్రమాలను అసమాన సంఖ్యలో సమర్పించాయి. ఒక పద్ధతి కనిపించే విజయాన్ని సాధారణంగా స్పష్టమైన కారణాత్మక పోలికగా అర్థం చేసుకోలేమని రచయితలు హెచ్చరిస్తున్నారు. సాధారణ నిర్మాణ-ఆధారిత విశ్వాస స్కోర్లు ఈ డేటాసెట్‌లో రికవరీ, వృద్ధిని చాలా తక్కువగా అంచనా వేశాయని వారు నివేదించారు.

అదే డేటాసెట్‌లో కొన్ని సరళమైన క్రమ తనిఖీలు మరింత ఉపయోగకరంగా కనిపించాయి. పునరాలోచన విశ్లేషణలో DNA కూర్పు, పునరావృత క్రమ మోటిఫ్‌లు, నిర్దిష్ట అమైనో ఆమ్ల నమూనాలు వంటి లక్షణాల ఫిల్టర్లు, లక్ష్య-సంబంధిత వృద్ధి ఉన్న సమర్పిత రూపకల్పనల వాటాను పెంచాయి. ఈ పోటీని వెనక్కి చూసి ఫిల్టర్ చేయడం దాని వైఫల్యాలను విశ్లేషించే మార్గం మాత్రమే; కొత్త ముందస్తు రూపకల్పన దశలో అదే మెరుగుదల నిరూపించలేదు.

తక్షణ సహకారం అనేది రూపకల్పన నిర్ణయాలను అనేక కణ-స్థాయి ఫలితాలతో అనుసంధానించే ఓపెన్ ప్రయోగాత్మక బెంచ్‌మార్క్. దీని పరిమితులు గణనీయమైనవి: ఒక దాత నుంచి వేరుచేసిన కణాలు, ఒక CAR అస్థిపంజరం, నిర్దిష్టత పోలిక సరిగా లేని సమూహ పరీక్ష, వ్యక్తిగత పరీక్షల్లో నేపథ్య హననం. చికిత్సా సందర్భంలో రూపకల్పన పద్ధతులను అంచనా వేయడమే పోటీ లక్ష్యమని, క్లినిక్‌కు సిద్ధమైన CAR-T చికిత్సను తయారు చేయడం కాదని రచయితలు స్పష్టంగా చెబుతున్నారు.

## మూలాలు మరియు మరింత చదవడానికి

- [Kosonocky మరియు సహచరులు, “Bits to Binders పోటీలో 12,000 AI-ఆధారిత CAR-T రూపకల్పనల ధృవీకరణ, విశ్లేషణ,” *Molecular Systems Biology*, అక్టోబర్ 8, 2026](https://link.springer.com/article/10.1038/s44320-026-00246-1). ప్రధాన ఓపెన్-యాక్సెస్ పత్రం పోటీ పద్ధతులు, సమూహ మరియు వ్యక్తిగత పరీక్షలు, కంప్యూటేషనల్ విశ్లేషణ, పరిమితులను నివేదిస్తుంది. ఇక్కడి సంఖ్యాత్మక ఫలితాలకు ఇదే ఆధారం.
- [Zenodoలో అధ్యయన డేటా, రూపకల్పన క్రమాలు](https://doi.org/10.5281/zenodo.20451404). సమర్పించిన క్రమాలు, సంబంధిత డేటా కోసం పత్రం ఈ రిపాజిటరీకి లింక్ చేస్తుంది; BIG CHANGE ఫైళ్లను తిరిగి విశ్లేషించలేదు.

## Sources

- [Bits to Binders పోటీలో 12,000 AI-ఆధారిత CAR-T రూపకల్పనల ధృవీకరణ, విశ్లేషణ](https://link.springer.com/article/10.1038/s44320-026-00246-1) — ప్రధాన ఓపెన్-యాక్సెస్ ప్రయోగాత్మక పత్రం; రూపకల్పన పద్ధతులు, సమూహ మరియు వ్యక్తిగత పరీక్షలు, విశ్లేషణ, పేర్కొన్న పరిమితులకు ఆధారం.
- [Bits to Binders అధ్యయన డేటా, సమర్పించిన రూపకల్పన క్రమాలు](https://doi.org/10.5281/zenodo.20451404) — పత్రం లింక్ చేసిన రిపాజిటరీ. BIG CHANGE ఫైళ్లను స్వతంత్రంగా విశ్లేషించలేదు.