Molecular Systems Biology·· 12 天前精选AI 评分78
Bits to Binders 竞赛验证并分析 12,000 个 AI 设计的 CAR-T 结合域
Validation and analysis of 12,000 AI-driven CAR-T designs in the Bits to Binders competition
AI 导读
Bits to Binders 全球竞赛以 CAR-T 为场景评估 de novo 结合域设计，来自 42 个国家的团队提交了 12,000 个靶向人 CD20 的 80 氨基酸 minibinder 设计。
阅读原文
来源：Molecular Systems Biology · doi.org
推荐理由
这项竞赛把 1.2 万个 AI 设计的 CAR-T 结合域放进细胞功能筛选，而非只看亲和力，为评估蛋白设计提供了更接近功能的检验方式。
论文摘要 · AI 翻译
用于蛋白质的人工智能（AI）方法发展迅速，改进了结构预测与设计，尤其是针对从头设计的结合蛋白。然而，大多数评估强调结合亲和力，而非更高层次的生物学功能。我们提出 Bits to Binders，这是一项在嵌合抗原受体（CAR）T 细胞背景下评估从头结合蛋白设计的全球竞赛。来自 42 个国家的团队提交了 12,000 个 80 个氨基酸的从头微型结合蛋白设计，靶向人 CD20，作为 CAR 结合结构域。设计通过混合 CAR-T 增殖进行筛选，鉴定出 707 个表现出显著 CD20 特异性富集的设计，各团队命中率从 0.6% 到 38.4% 不等。表现最佳的候选物被作为单个构建体进行验证，测量 CD20 特异性增殖、扩增、细胞因子产生和靶向细胞裂解。我们识别出常见的设计方法以及与 DNA 合成、表达和靶标特异性 T 细胞激活相关的因素，将其作为回顾性筛选条件应用时可使成功率几乎翻倍。我们将该数据集作为开放资源发布，并提供实用建议，以支持更有效的 AI 驱动结合蛋白设计。