CAR-T疗法的原理并不复杂：从患者血液中提取T细胞，在体外给它们装上能识别癌细胞的导航系统—也就是嵌合抗原受体CAR，再把这支改造后的"特种部队"输回体内。这些CAR-T细胞会精准找到并消灭癌细胞。
问题是，这套导航系统需要靶点。靶点选对了，CAR-T细胞只攻击肿瘤；靶点选错了，正常组织也会遭殃。CD19是B细胞白血病和淋巴瘤的明星靶点，但它只在部分癌症中有效。实体瘤更麻烦，肿瘤微环境像碉堡，CAR-T细胞难以渗透，还缺少好的靶点。
传统找靶点的方式如同大海捞针。研究人员需要分析海量基因组数据，手工筛选可能存在于细胞表面的蛋白，再逐一验证。这个过程耗时数年，成功率极低。CAR-T细胞治疗先驱Carl June教授决定换一种思路。
2026年6月25日，June团队在《细胞》杂志上发表了一项研究。他们搭建了一个AI驱动的靶点发现框架，整合了皮肤癌和健康组织的单细胞测序数据，再用大语言模型来推理和排序。三个不同的AI模型被用来评估每个候选靶点的肿瘤表达特异性、健康组织安全性、细胞表面定位情况，以及临床转化的可行性和已有药物开发基础。
AI给出的头号候选靶点是GPNMB—一种位于细胞表面的跨膜糖蛋白。GPNMB之前并未被主流关注。然而后续验证让人振奋：GPNMB不仅存在于黑色素瘤表面，在白血病、结直肠癌、胰腺癌和肾癌等多种肿瘤上都有广泛表达。
研究团队设计了靶向GPNMB的CAR-T细胞，并在小鼠模型中测试。针对单核细胞白血病的实验显示肿瘤被有效清除。针对黑色素瘤和结直肠腺癌的模型同样看到显著抗肿瘤活性和生存期延长。
这项工作的价值远不止找到一个新靶点。June团队建立的AI框架是模块化的，换一套输入数据就能用于其他癌症，甚至非肿瘤疾病。它也不绑定特定的大语言模型，AI技术每迭代一次，这套系统就能跟着升级。
内容含AIGC
howto用AI抢救一切 howto带薪健康 路过的发一张科普绘图 陪你一起读文献 文献陪读 CAR -T
