基于AI設(shè)計(jì)和虛擬篩選后的蛋白結(jié)合分子(binder)在CAR-T上的作用

本文來源于微信公眾： Bloki 作者： Bloki Bloki

好久沒分享AI相關(guān)文章了，來一篇簡單的預(yù)印本，AI設(shè)計(jì)用在CAR-T上的binder，具體內(nèi)容如下：

經(jīng)典的CAR-T中是使用scFv識別結(jié)合抗原，作者計(jì)劃設(shè)計(jì)蛋白結(jié)合分子（binder）用在CAR-T上，兩條AI設(shè)計(jì)路線，一條用RFDiffusion，另一條用BindCraft（相關(guān)文章我們都分享過）

AI設(shè)計(jì)、虛擬篩選后，進(jìn)行實(shí)際篩選：酵母展示-流式檢測-磁珠分選-測序-大腸桿菌表達(dá)-實(shí)際驗(yàn)證binder和靶蛋白的互作

把AI虛擬篩出的bidner展示在酵母上，熒光標(biāo)記的靶蛋白“染色”酵母，檢測實(shí)際結(jié)合靶蛋白BCMA的binder（作者發(fā)現(xiàn)BindCraft設(shè)計(jì)命中率更高）

磁珠分選結(jié)合靶蛋白的酵母，測序挖掘binder

大腸桿菌表達(dá)測序挖出的binder，純化拿到binder，量化binder和靶蛋白BCMA的互作

篩出的binder和BCMA的互作情況

把篩到的binder“做到”CAR-T中，評估CAR-T對靶細(xì)胞的響應(yīng)

基于不同binder的CAR-T對細(xì)胞的響應(yīng)情況，可以看到有的binder（如T1、T2、T3）對BCMA陰性細(xì)胞也會響應(yīng)發(fā)生激活（CD69指示激活，C11D5.3是經(jīng)典的scFv）

原代T細(xì)胞表達(dá)基于不同binder的CAR，CAR-T響應(yīng)靶細(xì)胞激活、分泌效應(yīng)分子

基于binder B5，用AI工具優(yōu)化設(shè)計(jì)新的binder

把設(shè)計(jì)出的新binder做成CAR-T，CAR-T對熒光標(biāo)記的BCMA結(jié)合情況、響應(yīng)細(xì)胞刺激激活情況（可以看到有的CAR-T自身就會發(fā)生激活，還會響應(yīng)BCMA陰性細(xì)胞發(fā)生激活，暗示有的binder介導(dǎo)CAR-T自發(fā)信號tonic signaling）

深入分析發(fā)現(xiàn)電荷引起自發(fā)信號tonic signaling（我們分享過電荷引起tonic singaling的文章scFv上正電荷通過強(qiáng)直信號影響CAR-T功能）

單細(xì)胞測序看不同binder的CAR-T，優(yōu)化出的B5.10效應(yīng)基因表達(dá)由于B5

基于不同binder的CAR-T體外殺靶細(xì)胞

換靶點(diǎn)，設(shè)計(jì)結(jié)合CD19的binder：FMC63（一個(gè)經(jīng)典的scFV）、CD81結(jié)合在CD19上不同位點(diǎn)

AI設(shè)計(jì)出的binder更多的覆蓋在CD81結(jié)合位點(diǎn)上

酵母展示-磁珠分選-測序?qū)嶋H篩選結(jié)合CD19的binder

把篩到的binder做進(jìn)CAR-T，基于binder的CAR-T對CD19的結(jié)合不如經(jīng)典的scFv FMC63

把篩到的binder做進(jìn)CAR-T，基于binder的CAR-T對靶細(xì)胞的響應(yīng)激活不如經(jīng)典的FMC63

推測基于binder的CAR-T效果不好的原因：binder結(jié)合位點(diǎn)和CD81重合，CD81干擾了binder識別結(jié)合CD19

換靶點(diǎn)為CD22，篩到新的binder

把binder做成CAR-T，CAR-T結(jié)合CD22，響應(yīng)細(xì)胞激活；發(fā)現(xiàn)不好的結(jié)果，基于binder D1的CAR-T響應(yīng)CD22陰性細(xì)胞發(fā)生了激活

基于binder D1的CAR-T脫靶了，響應(yīng)CD22陰性細(xì)胞發(fā)生了激活

AI優(yōu)化binder D1

優(yōu)化出新的D1.N0，構(gòu)建CAR-T，不再響應(yīng)CD22陰性細(xì)胞發(fā)生激活

基于D1的CAR-T會脫靶殺CD22陰性細(xì)胞，但基于D1.N0的CAR-T不會

來個(gè)總圖：AI只是設(shè)計(jì)和虛擬篩選，還需要實(shí)際篩選可結(jié)合靶蛋白的binder，binder能否發(fā)揮功能又需進(jìn)一步優(yōu)化

AI是虛擬的，高效的提供了更多的可能性，更需要我們實(shí)際的去通過各種實(shí)驗(yàn)進(jìn)行評估 – 它反而讓活兒變多、變的更急迫了，你不做，別人做了，機(jī)會也就沒了。