AI精准狙杀癌细胞，癌症会成为历史吗？

想象一下，免疫系统是一支训练有素的特警队，但肿瘤戴着“隐形斗篷”混入人群。AI正在做的，是为特警定制夜视镜——不仅能看见，还能一击即中。过去十年我们追求“更强的武器”，而今天，AI把焦点转向“更精准的识别”。这意味着，许多曾经无法触及的癌细胞目标，正被一一“现形”。那么，癌症会因此成为历史吗？更准确的说法是：AI正在把“治愈”从偶然变为可编程，把“无从下手”的癌症变为“逐个击破”的工程问题。最新的突破首先发生在最难的靶标上——肽-MHC-I复合物（pMHC）。它像细胞的“内情报告”，展示细胞内蛋白的碎片。传统抗体很难识别这类“凹陷且微小”的表位，而T细胞受体（TCR）可以，但自然界中稀有且难以筛选。2025年，多支团队用生成式AI直接设计出能高特异性结合pMHC的全新蛋白：有的从实验或预测结构出发，一口气为11个pMHC做出特异性结合剂，并有8个在装入CAR后能引发肽特异的T细胞激活；有的为经典肿瘤抗原NY-ESO-1设计出高亲和力“迷你粘合剂”，冷冻电镜确认构型，导入CAR后能特异地杀伤NY-ESO-1阳性的黑色素瘤；还有团队创造了全新的α螺旋“TCR模拟物”，以9.5 nM的亲和力精准贴合pMHC，结构显示其聚焦肽侧链、尽量减少对MHC的广泛接触，从而降低脱靶风险。这些都是“从无到有”的蛋白质设计，而非库筛“海底捞针”。为什么这一步意义非凡？因为pMHC来自细胞内蛋白，覆盖了远超传统表面抗原的靶点宇宙；T细胞对pMHC的感知极为灵敏，肿瘤细胞表面常只有1–100个复合物分子，少至1–3个就可能触发杀伤。AI把这一特性转化为工程能力：通过RFdiffusion、ProteinMPNN、AlphaFold等工具，直接“画出”能紧贴目标肽段的结合面，并用“虚拟安全检查”排除潜在与健康pMHC的交叉反应。更妙的是，这些小型、稳定的蛋白骨架适合制造、易于改造，还能作为CAR、BiTE或可溶性药物的模块化部件。与传统路径相比，这像是把“经验筛选”换成了“按图施工”。过去从患者样本中筛TCR或从大型scFv库里淘金，往往耗时、昂贵且覆盖人群有限；现在，AI驱动的从头设计把周期压缩到数周，且可按HLA等位基因和患者突变“定制投放”。配合真实世界数据与临床AI平台（如多模态病历、影像、组学与试验匹配系统的融合应用），从发现靶点到选择人群、设计药物与进入试验，形成了前所未有的闭环加速。但“成为历史”仍为时尚早。癌症不是单一疾病，而是异质、进化和适应的集合体。挑战清单同样清醒而长：人群中HLA多样，想覆盖广泛患者需要数百到上千种高质量结合剂；肿瘤会下调MHC或丢失抗原，需多靶点与逻辑门控策略防逃逸；亲和力提升可能带来非特异毒性，必须用结构与功能双重筛查约束；肿瘤微环境抑制强，需要与检查点抑制剂、代谢重编程、基质改造等组合拳协同。好消息是，这些问题本质上都能被工程化与数据化分解：多靶点并联/串联、逻辑门控CAR/TCR、可编程共刺激开关、自杀开关、以及针对不同HLA池的标准化设计库，正在逐一落地。已有同类机制药物在黑色素瘤等瘤种显示临床可行性，为这条路线提供了现实背书。可以更乐观一些吗？是的。短期内，某些抗原明确、可呈递稳定、且有常见HLA限制的癌症亚型，可能率先被AI驱动的精准免疫“清盘”；中期，我们会看到以患者个体pMHC图谱为蓝本的“4–6周交付”的定制免疫器件，与影像、病理和基因组AI共同把更多晚期癌症转化为可长期控制的慢病；长期，抗癌将从“打一场仗”变为“跑一场马拉松”：依托连续数据、循环治疗和可快速更新的分子设计库，形成对肿瘤进化的动态压制。归根到底，AI不是在宣布癌症的终结，而是在重写“与癌共舞”的规则。我们第一次有机会让分子识别、细胞工程和临床决策在同一张白板上协同设计，把复杂度变为可管理、把不确定变为可验证。也许“历史”不会一夜之间改写，但方向已然改变：当诊疗从经验走向可编程，人类与癌症的竞赛不再只是拼速度，而是凭策略。真正的问题或许不再是“能否战胜”，而是“能否持续、低毒、普惠地管理它”——而这，正是AI最擅长的赛道。

人体引入非自然蛋白，是进化还是风险？

想象一支“分子特遣队”：它们不是天然出生，而是由人类用算法和实验室从零编排，每个原子都为一次明确的医疗任务而存在。把这样的非自然蛋白引入人体，究竟是在推动“人类自我进化”，还是在打开新的风险之门？答案不在极端，而在设计与验证的细节里。过去一年里，研究者用生成式AI和结构生物学，从头设计出能精准识别肽-MHC-I复合物的微型粘合剂与TCR模拟物，它们不再像传统抗体那样“靠近就抱”，而是像锁与钥匙，主要读出突出的肽侧链，尽量减少与普遍存在的MHC“外壳”接触。这一选择很关键：越是“肽聚焦”，越可能降低全身脱靶。新工作中，团队针对NY-ESO-1等典型肿瘤肽—HLA复合物，获得纳摩尔级亲和力、2.05 Å分辨率的刚性对接结构；把这些结合模块装到CAR上，能在T细胞里触发“只在目标肽出现时才点火”的杀伤回路，已在多个pMHC靶点上实现特异性激活与细胞毒性。为什么这类“非自然蛋白”被视作一种“定向进化”？因为它们扩展了人体在疾病面前的操作系统。自然进化给了我们识别外来危险的免疫语言，AI与蛋白工程则让这门语言更精细、更可编程：从RFdiffusion、ProteinMPNN到AlphaFold的迭代耦合，研究者可以把稳定性、亲和力、构象选择性、可制造性写进同一个分子方案；借助无细胞蛋白合成的快速原型化能力与冷冻电镜的结构确认，设计—合成—验证的闭环被大幅压缩。甚至，经基因组重新编码的“新底盘”还能把非标准氨基酸嵌入蛋白，理论上进一步降低免疫原性或赋予新功能。这些进展并不抽象，它们已经在体外与动物模型里转化为可观的肿瘤细胞清除与炎症调控效果。但进化从不免费，代价就是风险管理的成熟度。非自然蛋白最大的隐忧，一是免疫原性：患者可能产生抗药抗体，影响疗效，甚至引发过敏与炎症级联；二是脱靶：对pMHC的错误识别会把正常组织卷入战场；三是系统性副作用：当这类分子嵌入T细胞回路时，CRS与神经毒性需要可预期、可干预的“刹车”。经验告诉我们，风险可以前移、分解并量化。肽聚焦的界面设计、对全蛋白质组相似肽的计算筛查、人源化与T细胞功能学评估、在类人HLA小鼠与类器官中的并行验证、可药物关闭的安全开关与剂量阶梯试验，构成了可靠的“降险流水线”。同样重要的是时间维度：短半衰期、可逆构架、局部给药与靶向激活（如生物正交触发）让风险在空间与时间上都可控。有趣的是，“非自然”并不等同于“不被人体理解”。很多设计恰恰是为了更像“该像的样子”：稳定而不聚集、与目标高亲和但与非目标弱相互作用、在体内按可预测的代谢途径清除。真正的危险往往来自“缺少证据而自信满满”。因此，数据纪律与透明评估是这条赛道的生命线：跨HLA人群的免疫多样性测试、真实世界人群的ADA监测、长期随访与复发后再设计的闭环，是把“首创”变成“可靠”的必要路径。那么，引入非自然蛋白究竟更像进化，还是更像风险？如果“进化”意味着更快适应环境、更强自我修复能力，那么这些分子是我们对自我进化的一次有意识加速；如果“风险”意味着系统被未验证的变量扰动，那么它们也可能是复杂系统里的一次硬注入。关键在于：我们是否以工程学的谦逊对待生命的复杂性，用足计算与实验的互证，用制度与伦理确保收益在群体层面可达、风险对个体层面可知可控。也许更恰当的比喻是：这不是自然选择的替代，而是人类第一次认真学习“与进化共写”。当我们把新蛋白写进人体的故事里，问题不只是“能不能”，而是“配不配得上”这支笔——是否以敬畏之心设定边界、以证据为纲不断修订、以公平为目标分享收益。若能如此，非自然蛋白就不只是技术奇迹，更是一次关于自我边界与共同命运的温和而坚定的迭代。

癌细胞玩“伪装”，AI神射手能跟上吗？

当肿瘤披上“隐身斗篷”，免疫系统常像在雾中追影子。好消息是，AI正把一把全新的“夜视瞄准镜”装到我们手上：它能看清那枚藏在MHC分子“展示窗”里的九到十个氨基酸，并让一支分子级神射手队伍专盯肽本体、避开普适的MHC框架，从而把伪装撕开一个缺口。癌细胞的“伪装术”并不单一。它们会减少抗原呈递、给MHC-I“降音”，把T细胞引导信号变弱；会换装相似但不被识别的肽段；还会在微环境里摆满路障，堆起乳酸、腺苷和PD-L1，让效应T细胞疲惫收兵。这是“伪装、强迫、细胞保护”三板斧的合击。想追上这样的对手，关键在于对“展示内容”——肽本身——足够专注和足够快速。这正是AI带来的跃迁。最新研究用生成式模型从头设计pMHC结合蛋白，让结合界面集中贴合肽的凸出侧链，尽量不碰高度保守的MHC框架。一个团队一次性拿下11个pMHC靶点，8个一接入CAR便能把T细胞点燃；还有设计体通过冷冻电镜与2.05–2.2 Å的结构学证据“验枪”，显示刚性、TCR样的对接姿态与纳摩尔级亲和力，说明命中不靠侥幸而是几乎原子级的几何对位。更妙的是，设计流程是数字化的：用RFdiffusion定骨架、ProteinMPNN配序列、AlphaFold评估复合物稳定，再用酵母展示和流式“择优录用”。当需要换靶时，研究者用“部分扩散”在关键接触位点小改一刀，就把同一框架快速迭代到gp100、MART-1、PRAME等新抗原上，节奏以“周”为单位计算。这意味着两件事变得现实。其一，真正的“肽中心主义”可以把脱靶的大头（对MHC框架的泛反应）压到最低，诸如单个位点的丙氨酸扫描显示，一两个关键肽残基改动就能显著熄火，说明识别是“针尖对麦芒”的。其二，速度和覆盖率不再是致命瓶颈：不同HLA等位基因（A*01、A*02、A*03、C*07等）与不同疾病肽可以被批量生成、并行筛选，给个体化疗法预留下“当天下单、数周到货”的想象空间。它能完全压制伪装吗？要诚实地说：当肿瘤把MHC-I整体“拔网线”，再聪明的pMHC神射手也无靶可射。AI解决的是“看得更准、换得更快”，但“看不见”的那一档，需要组合拳——用干扰素或表观遗传药物把抗原呈递体系拉回线，配合免疫检查点阻断解除刹车，或布置一支NK/先天免疫“巡逻队”去惩罚低MHC的逃兵。对肿瘤异质性和抗原丢失，策略也在进化：多靶点并行、逻辑门控CAR、甚至把这些小型高亲和力结合剂做成可调剂量的蛋白药（如T细胞接合分子），在需要时“点射”，在风高浪急时“暂避”。安全是另一条底线。哪怕聚焦肽侧链，人体蛋白组里仍有“以假乱真”的相似肽。为此，研究者把筛选做得更“苛刻”：用相似pMHC做反向选择、做全肽位点扫描、做表面等离子共振的精细动力学测量，并把功能测试放到原代T细胞与真实靶细胞的杀伤实验里。这些步骤不能省，因为临床现实仍有细胞因子风暴与神经毒性等风险需要前置规避。幸运的是，小而稳定、工程化友好的设计体给了我们更多“剂量-暴露-开关”的调控余地。所以，癌细胞玩“伪装”，AI神射手能不能跟上？答案更像是一盘持续校准的“动态射击”：它不仅在命中率上追上了，还在反应速度和机动性上开始反超。但决定胜负的，不只是箭头的锋利，还有战场的能见度、火力协同与后勤补给。把AI设计的肽中心结合剂、恢复抗原呈递的药理工具、免疫检查点阻断、以及先天免疫的后手一起排兵布阵，我们离“看见即命中、命中即瓦解”的那一刻，正在加速靠近。也许，精准不是一箭穿心的神话，而是一支随风微调的箭雨。科学的意义，正在于让每一支箭都更懂得目标，也更尊重边界；而人类的勇气，则在于不断更新弓弦，让黑箱里的伪装，再也藏不住光。

给免疫系统装上AI导航，会误伤友军吗？

把免疫系统装上“AI导航”，它会像精确制导导弹般只打坏人，还是会把火力泼到自己人身上？这不是一个耸动的问题，而是现代免疫工程的核心挑战：如何把“识别力”和“克制力”同时推到极限，让T细胞既足够敏锐，又不走火。答案不是非黑即白，但边界正在被技术重绘。传统TCR能在细胞表面极少量的pMHC信号（有时仅1–3个分子）下被触发，这赋予了惊人的灵敏度，也放大了误伤风险，因为单个TCR理论上可能跨反应识别成千上万条相似肽。AI介入后的新范式，是让识别“对焦”到肽本身，尽量避免对广泛存在的MHC外表面“泛触摸”。今年三项发在Science上的工作正是往这个方向合围：设计出与肽广泛接触、对MHC尽量“轻触”的小型结合蛋白与TCR模拟物，拿到原子级结构证据，并把它们装进CAR，看到肽特异性的T细胞激活与杀伤。具体到“会不会误伤”，关键看两点：它认的到底是谁、以及它认得有多“紧”。华盛顿大学团队用生成式模型为11个pMHC靶标造出特异性结合体，其中有8个放进CAR后能实现肽特异性激活；丹麦技术大学的平台从头设计出高亲和力NY‑ESO‑1结合剂，并用冷冻电镜锁定其结合构型，还跨出一步，命中了一个结构未知的新抗原复合物；斯坦福团队做出α螺旋TCR模拟模块，Kd约9.5 nM，2.05 Å分辨率结构显示其刚性、肽中心的对接几何，受力集中在NY‑ESO‑1突出侧链上——这类“肽中心、MHC边缘”的构型，天然就有利于降低对普遍MHC表面的非特异接触，从而减少潜在脱靶。但AI不是魔法棒，风险来自生物学本身。HLA多态性意味着要覆盖患者需要数百上千个不同结合体；肽在MHC凹槽中的构象并非铁板一块，模型再强也难以一次性穷尽“相似肽宇宙”；更现实的是“on‑target, off‑tumor”——当靶肽在少量正常组织也被呈递时，过高亲和力或过强信号同样可能引发毒性。更何况，T细胞被过度激活时会带来细胞因子风暴和神经毒性，这些并不因AI而自动消失。工程上的“防误伤套件”正在成形，而且很多已经落地验证。设计层面，团队们用大规模体外肽扫描、单/双点突变谱绘制“允许–不允许”的结合地形图，用分子动力学与能量评估筛走潜在交叉反应；用免疫肽组学确认目标肽确实在肿瘤里呈递；在亲和力上卡在“甜蜜区”，既能感知低拷贝抗原，又不过度拥抱相似肽；让识别尽量依赖肽外露侧链、减少对MHC多态位点的抓握。系统层面，把这些结合体装进更“懂节制”的电路：AND门CAR要求两信号同时满足才点火；可关断/可逆激活的“开关型CAR”把风险装进保险箱；剂量爬坡、可编程自杀开关为最坏情况预留退路；甚至用IL‑1抑制剂去钝化细胞因子风暴的引信。蛋白药物侧，TCR样双特异（如ImmTAC、TCR‑TCE）把TCR识别与CD3招募分离设计，既增强功效，又在结构上贴近生理TCR，临床上已出现总体生存受益而严重神经毒性可控的信号。把这些拼起来，图景就清晰了：AI导航并非把误伤概率降到零，而是把它工程化为可测、可证、可控的指标。从结构到功能再到安全的闭环——设计、原子级结构确认、体外特异性谱、原代细胞杀伤、体内毒理与可关断机制——正在把“黑盒子”变成“透明驾驶舱”。越是肽中心、几何可解释的结合模式，越能把安全边界画得更清楚。因此，给免疫系统装上AI导航，会不会误伤友军？可能，但概率和后果正在被显著压低，且有多重保险可用。短期内，它更像是航空级的自动驾驶：需要人类飞行员（多学科评估）全程监控，但它已让飞行更稳、更省、更远。长期看，当我们能把“识别—信号—效应—刹车”四件事都以数据闭环驯服，免疫的“火眼金睛”与“止戈为武”将不再是两难。也许这就是AI给生物医学带来的真正礼物：不仅让我们更会“找到敌人”，更教会我们“何时不该扣动扳机”。在人与机器的协奏里，最难的不是速度，而是分寸。学会拿捏分寸，才是强大系统的终极智慧。

当AI开始设计生命，下一个诺奖在哪？

当算法开始“写”蛋白、拼接免疫开关，生命从此有了编程接口。就在同一天，三篇刊登于Science的研究把这句预言拉近现实：AI 不只是在猜测蛋白长什么样，而是在发明前所未有的生物分子——能像钥匙一样开启肿瘤细胞的门锁。为什么说这是诺奖级的拐点？因为它跨过了从“看懂生命”到“设计生命”的门槛。肿瘤细胞表面的肽-MHC-I 复合物是细胞内世界的“身份指纹”，TCR 只需1到3个这样的“指纹”就能被点燃。最新工作用生成式模型（如 RFdiffusion、ProteinMPNN、结构预测）直接“写出”能紧扣这些指纹的微型蛋白，并把它们接入CAR，让T细胞只在目标肽出现时启动杀伤。研究者从实验或预测结构出发，一口气为11个pMHC设计出特异性结合物；其中八个作为CAR识别结构域后，确实实现了肽特异性的T细胞活化。更有团队为经典肿瘤抗原NY‑ESO‑1/HLA‑A*02:01打造高亲和力迷你粘合剂，用冷冻电镜“验货”，并在黑色素瘤细胞上看到杀伤效果；甚至连结构未知的新抗原pMHC（RVTDESILSY/HLA‑A*01:01）也被成功拿下。还有人干脆从零搭出一枚全新的“α螺旋TCR模拟物”，以9.5 nM的亲和力、2.05 Å 的复合物结构，展示一种聚焦肽侧链、减少MHC广泛接触的刚性对接姿态——这正是降低脱靶的关键几何学。这类成果之所以可能通往诺奖，不仅因技术“炫”，更因它解决了长期的“硬问题”。要在数以千计的HLA-呈递肽中只认定一个靶点，必须把能量都放在肽上那几颗“向上”的侧链，尽量避开对普遍表达的MHC骨架的依赖；还要在不同HLA等位基因、多样肿瘤突变间保持可移植性。这一次，AI不靠天量筛选，而用生成模型直接塑造界面几何与化学特性，再由实验闭环验证——这是“发现范式”的更新：从经验筛到可编程生物学。如果要问“下一个诺奖在哪里”，我会押注在三个交汇点出现火花。一个方向是“可编程免疫”。当从头设计的pMHC结合体在临床上稳定地让CAR-T或双特异性药物精准清除实体瘤，并把脱靶毒性压到极低水平，这将不只是一个药物品种的胜利，而是“肽中心”识别范式的确立。它要求在多HLA背景下复现：像这次覆盖11个pMHC、8个能驱动T细胞的“通用策略”，若能扩展到数百个、覆盖主流人群，且在长期随访上显著延长生存期，就具备诺奖青睐的“持久影响力”。另一个方向是“从预测到创生的化学生物学”。当AI能稳定产出全新功能蛋白——比如催化自然界没有的反应、重写碳代谢通路、或用去固有无序蛋白的“构象选择”策略精准制导药物——这不仅是工程，更是对生命化学边界的拓展。过去十年结构预测改变了问题提出的方式；接下来，功能级别的可编程创生如果带来颠覆性的绿色化学或新代谢网络，同样具备化学或生理医学领域的诺奖潜质。第三个方向是“自主发现体系”。产业界已经把大模型、云端算力与机器人实验室串成闭环，朝“lab‑in‑the‑loop”的自动化探索迈进。若这一体系率先交付首个由AI主导设计、机制清晰、获批上市且显著改变治疗格局的药物，它所定义的将不是一项实验技巧，而是一种新的科学生产力。诺奖常嘉奖“方法改变世界”的工作，这条路径也值得期待。当然，诺奖更看重经得起时间检验的普适规律与人类福祉。要把“炫技”变成“经典”，还有几道关要过：跨HLA的泛化与安全边界、脱靶机制的结构学证据、从细胞到患者的因果链条、以及可被同行复制的工程流程。好消息是，今天的工具带来了前所未有的验证速度——冷冻电镜2 Å级别的结构、SPR亲和力曲线、功能性杀伤谱系，都能在算法更新周期内给出答案；而产业侧以通用平台和自动化加速“干湿一体”，缩短从概念到临床的时间窗。当AI开始设计生命，我们真正追逐的，或许不是某一顶桂冠，而是一种新能力：把生物学从“观测的科学”升级为“可编程的科学”。下一座诺贝尔奖，可能就诞生在这句命题被临床疗效与工程可复制性同时坐实的那一天。届时，我们不只是发明了新分子，更是学会了以新的语言与生命对话。

新知 - 大圆镜｜AI造出抗癌“导弹”：精准锁定癌细胞，免疫疗法获重大突破

对抗知识焦虑，从看懂这条开始

App 下载

在人体复杂的免疫系统中，T细胞扮演着“巡警”的角色，不知疲倦地在全身巡逻，检查每个细胞出示的“身份证”——一种被称为肽-主要组织相容性复合体（pMHC）的分子。癌细胞的“身份证”上，会展示一些由基因突变产生的异常肽段。理论上，T细胞一旦发现这种异常，就应立即清除威胁。然而，癌细胞极其狡猾，它们的异常标记往往与正常细胞的标记仅有细微差别，导致T细胞“眼神不好”，要么视而不见，要么错杀无辜，这正是癌症免疫治疗长期面临的“识别困境”。

一日三惊雷：《科学》杂志的重磅宣告

2025年7月24日，顶级学术期刊《科学》（Science）以前所未有的“背靠背”形式，同时刊发了三篇重磅研究，宣告人工智能（AI）已为这一困境带来了革命性的解决方案。来自华盛顿大学的诺奖得主David Baker团队、丹麦技术大学的Timothy P. Jenkins团队以及斯坦福大学的K. Christopher Garcia团队，不约而同地利用生成式AI，成功设计出全新的蛋白质分子。这些“人工受体”如同被赋予了“火眼金睛”的智能导弹，能够以极高的精度识别并结合癌细胞表面的独特标记，为精准癌症免疫治疗开辟了全新路径。

这三项研究的核心成果惊人地一致：

David Baker团队利用其开创性的AI工具RFdiffusion，成功设计并验证了针对11种不同疾病靶标（包括癌症和HIV）的特异性结合蛋白。
Timothy P. Jenkins团队则建立了一个“即插即用”的快速设计平台，在短短数周内便创造出能引导T细胞杀伤黑色素瘤的“迷你粘合剂”。
K. Christopher Garcia团队设计的T细胞受体模拟物（TCRm），其晶体结构显示出一种前所未有的“肽中心化”结合模式，最大限度地聚焦于癌细胞的异常肽段，极大降低了误伤风险。

解码“癌症身份证”：免疫系统的古老难题

要理解这一突破的意义，必须先了解“癌症身份证”的构造。细胞表面的MHC分子好比一个“展示架”，它上面搭载的肽段则是“展品”。健康的细胞展示的是正常的“自身肽”，而癌细胞则会展示突变的“肿瘤肽”。

传统的CAR-T疗法，如同给T细胞装上了一副“通用眼镜”，能识别一些广泛存在于癌细胞表面的蛋白质，但在实体瘤中，这类通用靶点稀少，且常存在于少量正常组织中，导致“脱靶效应”。更理想的策略是识别MHC呈递的肿瘤肽，因为这些肽段来源于细胞内部，揭示了癌症最核心的突变信息，靶点库也因此扩大了数百倍。

然而，这条路困难重重。首先，每个人的MHC“展示架”型号（即HLA分型）多达成千上万种，且肿瘤“展品”也因人而异，导致寻找能精准识别特定“展品+展架”组合的天然T细胞受体如同大海捞针。其次，最关键的挑战在于，设计的受体必须只看“展品”（肽），不理“展架”（MHC），因为“展架”在健康细胞上普遍存在。传统筛选方法耗时、昂贵且成功率极低，严重制约了个性化免疫治疗的发展。

AI画师的诞生：从噪声到精准结构的“神笔马良”

此次突破的关键，在于一种名为RFdiffusion的生成式AI模型。它的工作方式，颠覆了传统的蛋白质设计范式。如果说传统方法是“众里寻他千百度”，那么AI则是“神笔马良”，直接“画”出我们想要的东西。

RFdiffusion的灵感源于DALL-E等图像生成AI。研究人员给它一个目标——癌细胞的pMHC复合物结构，AI便从一团随机的原子“噪声”云开始，通过数百步的“去噪”过程，逐步“雕刻”出一个全新的、能在三维空间中与目标完美互补的蛋白质骨架。这个过程完全摆脱了对自然界现有蛋白质模板的依赖。

骨架诞生后，另一款AI工具ProteinMPNN接力上场，为这个骨架“填充”上最合适的氨基酸序列，确保它能稳定折叠。最后，被誉为“结构预测之神”的AlphaFold则扮演“质检员”的角色，检验最终设计的蛋白质序列是否真能形成预想中的结构并与靶点结合。

这一“设计-填充-检验”的AI流水线，将过去需要数年摸索的蛋白质设计过程，缩短到了惊人的几周甚至几天。

从计算到临床：AI设计的“智能CAR-T”有多强？

AI设计的“分子导弹”不仅速度快，其性能更是达到了前所未有的高度。

极致的精准度：在Baker团队的研究中，其设计的结合蛋白能够清晰地区分MAGE-A3肿瘤抗原肽和仅有一个氨基酸差异的正常Titin蛋白肽。当它们被装载到CAR-T细胞上时，T细胞只对呈递MAGE-A3的细胞发起了猛烈攻击，而对呈递Titin肽的细胞则完全无视。这意味着AI设计有望从根本上解决免疫治疗中最致命的“脱靶”毒性问题。

强大的结合力：这些从头设计的蛋白与靶点的结合亲和力达到了纳摩尔甚至皮摩尔级别，远超许多天然存在的受体，确保了“导弹”一旦锁定目标便能牢牢结合。
可靠的杀伤功能：实验证明，装备了AI设计蛋白的CAR-T细胞，在体外实验中能够高效、特异性地清除携带相应肿瘤标志物的靶细胞，杀伤效率最高可达80%以上，而对无关细胞则“秋毫无犯”。

更令人兴奋的是，该技术平台具有极强的延展性。研究人员甚至在没有靶标实验结构的情况下，仅依靠AlphaFold预测的结构作为蓝图，就成功设计出了功能性的结合蛋白，这意味着AI可以为大量“未知结构”的靶点快速开发靶向药物。

未来已来：个性化免疫治疗的黎明

《科学》杂志同日刊发三篇论文的盛况，标志着一个领域的范式转变。AI驱动的蛋白质设计，正将癌症免疫治疗从“经验筛选”时代，推向“智能创造”时代。

这一突破的深远影响体现在多个层面：

药物研发的“民主化”：过去只有少数顶尖实验室能承担的TCR筛选工作，如今任何具备计算能力的团队都可以快速设计和迭代。这有望催生一个庞大的、覆盖各类常见肿瘤抗原和HLA类型的“现成”结合蛋白库。
真正的个性化治疗：对于每一位癌症患者，理论上都可以通过对其肿瘤进行测序，识别出独特的“新抗原”，然后利用AI在数周内为其量身定做一套CAR-T疗法。这曾是科幻小说里的情节，如今正成为触手可及的现实。
超越癌症：该技术同样适用于病毒感染等其他疾病。AI设计的蛋白可以引导免疫系统精准清除被病毒感染的细胞，为艾滋病、慢性肝炎等顽疾提供新的治疗思路。

当然，从实验室的成功走向临床应用，仍有漫长的道路要走，包括严格的临床试验验证、规模化生产工艺的建立以及应对复杂的监管审批。但毫无疑问，最关键的科学瓶颈已经被打破。我们不再仅仅是训练免疫细胞，而是为它们锻造前所未见的“神兵利器”。这场由AI引领的生物学革命，正为人类战胜癌症的漫长征途，点亮一盏无比璀璨的希望之灯。