نصب GPS روی سلول‌های T: پروتئین‌های طراحی‌شده با هوش مصنوعی چگونه سرطان را هدف می‌گیرند؟
در این مقاله
سرطان دشمنی است که دستگاه ایمنی ما اغلب در شناسایی آن مشکل دارد. به‌ویژه تومورها برای فرار از نظارت ایمنی، از سازوکارهای متعدد تغییر پوشش مولکولی استفاده می‌کنند. این امر مانع شناسایی و کشتن مؤثر سلول‌های سرطانی توسط سلول‌های ایمنی، به‌ویژه سلول‌های T سیتوتوکسیک CD8+، می‌شود.
اگر می‌توانستیم به این سلول‌ها یک «GPS» بدهیم که دشمن را با دقت زیاد شناسایی کند، چه می‌شد؟
اینجاست که پروتئین‌های مینی‌بایندر (miBd) طراحی‌شده از صفر با هوش مصنوعی وارد می‌شوند. بر اساس مطالعه‌ای که در 24 ژوئیه 2025 در مجله Science منتشر شد و در جهان بازتاب گسترده‌ای داشت، این پروتئین‌های اتصال‌یابنده کوچک اما مؤثر، که با طراحی مبتنی بر هوش مصنوعی ساخته شده‌اند، می‌توانند سلول‌های T را به جنگجویانی بسیار قوی‌تر و هدایت‌شده‌تر علیه سرطان تبدیل کنند.
سلول‌های T و شناسایی pMHC: الگوی «قفل و کلید» دستگاه ایمنی
سلول‌های آسیب‌دیده، آلوده یا سرطانی بدن باید خود را «قابل شناسایی» کنند. این سلول‌ها با کمک پروتئین‌های خاص سطحی به نام MHC (مجموعه اصلی سازگاری بافتی)، قطعه‌های درون خود (پپتیدها) را نمایش می‌دهند. این قطعه‌ها نوعی «ویترین» از رویدادهای درون سلول هستند.
سلول‌های T از نوع CD8+،یعنی سلول‌های جنگجوی دستگاه ایمنی، این پپتیدهای نمایش‌داده‌شده را با گیرنده سلول T (TCR) پایش می‌کنند. اما دو مسئله اصلی وجود دارد:
- TCRها به تنوع طبیعی ایجادشده وابسته‌اند. یعنی توان شناسایی هدف در هر سلول T متفاوت است و این اختصاصیت همیشه کافی نیست.
- به‌ویژه در بیماری‌های با پیشروی پنهان مانند سرطان، یافتن TCRهای قوی که پپتیدهای ویژه سلول سرطانی را بشناسند، هم زمان‌بر است و هم اغلب به تعداد کافی امکان‌پذیر نیست.
به همین دلیل، دانشمندان می‌کوشند برای سلول‌های ایمنی، با طراحی اختصاصی، یک «سامانه شناسایی مصنوعی» تازه بسازند که هدف را روشن نشان دهد.
🧪 فناوری‌های پایه این رویکرد، یعنی طراحی محاسباتی پروتئین، شایسته دریافت جایزه نوبل شیمی 2024شناخته شدند. این جایزه نشان می‌دهد که می‌توان پروتئین‌ها را با کمک هوش مصنوعی از صفر طراحی کرد و این فناوری‌ها ظرفیت تحول‌آفرینی در پزشکی دارند.
این رویکرد، الگویی درمانی متفاوت از CAR-T یا TCR-T متعارف ارائه می‌کند.
درمان‌های متعارف سلول CAR-T، اگرچه در سرطان‌های خونی مانند لوسمی موفق بوده‌اند، فقط می‌توانند پروتئین‌های سطح سلول را هدف بگیرند. اما در این مطالعه، توان تازه‌ای برای شناسایی آنتی‌ژن‌های توموری «درون‌زاد» به سلول‌های T داده می‌شود: هدف گرفتن پپتیدهای مرتبط با سرطان که از طریق مولکول MHC ارائه می‌شوند.
پایه این سامانه، پروتئین‌های کوچک طراحی‌شده با هوش مصنوعی، یعنی مینی‌بایندر (miBd)، است. این پروتئین‌ها برای اتصال با اختصاصیت زیاد به قطعه‌ای ویژه (SLLMWITQC) از آنتی‌ژن NY-ESO-1 در سلول سرطانی ساخته شدند. این پپتید روی مولکولی به نام HLA-A*02:01 از کلاس I مولکول MHC انسانی ارائه می‌شود.
این پروتئین‌های اتصال‌یابنده، در یک گیرنده آنتی‌ژن کایمریک (CAR) ادغام و به سلول‌های T منتقل شدند. به این ترتیب، سلول‌های T مانند TCR طبیعی توانستند مجموعه پپتید–MHC را بشناسند، اما پاسخ خود را از راه CAR بدهند. یعنی:
- انتخاب هدف شبیه TCR (شناسایی pMHC)،
- انتقال پیام شبیه CAR (پاسخ سیتوتوکسیک مؤثر و سریع) فراهم شد.
این رویکرد در متون علمی، یک الگوی ترکیبی مهندسی ایمنی است که دو سامانه را به هم پیوند می‌دهد و با نام‌های «CAR تقلیدکننده TCR» یا «CAR-T هدف‌گیرنده pMHC» شناخته می‌شود.
مطالعه در کدام نوع سرطان آزموده شد؟
اثربخشی این الگوی درمانی در آزمایشگاه، روی سلول‌های انسانیِ دارای آنتی‌ژن NY-ESO-1، ملانوم، بررسی شد . وقتی سلول‌های T این مینی‌بایندر مصنوعی را بر سطح خود داشتند، سلول‌های ملانوم را با موفقیت شناسایی کردند و کشتند. این نشان می‌دهد رویکرد برای توسعه ایمنی‌درمانی مؤثر علیه تومورهای جامد امید فراوانی دارد.
این چه معنایی دارد؟ این سامانه ظرفیت شناسایی هدف‌های سرطانی دور از دسترس سلول‌های CAR-T متعارف را دارد (مانند آنتی‌ژن‌های درون‌سلولی). همچنین در برابر میل اتصال محدود سلول‌های TCR-T و تفاوت‌های فردی، جایگزینی انعطاف‌پذیرتر با کنترل مصنوعی ارائه می‌کند.
طراحی پروتئین با کمک هوش مصنوعی: فرایند سه‌مرحله‌ای هدایت سلول‌های T به هدف
در این مطالعه، دانشمندان برای آسان‌تر کردن شناسایی سلول سرطانی توسط سلول‌های T، با هوش مصنوعی پروتئین‌های ویژه‌ای (مینی‌بایندر) طراحی کردند. این پروتئین‌ها مانند نوعی «منور» مولکولی عمل می‌کنند که سلول سرطانی را به سلول ایمنی نشان می‌دهد.
فرایند طراحی در سه مرحله انجام شد:
1. RFdiffusion: ساخت شکل پروتئین متناسب با هدف
- ابتدا ساختار سه‌بعدی آنتی‌ژن سرطانی هدف (ساختار pMHC) به مدل معرفی شد.
- مدل هوش مصنوعی RFdiffusion، شکل‌هایی از پروتئین را پیشنهاد کرد که می‌توانستند محکم به این ساختار متصل شوند.
- این مدل بر پایه شکل‌های پروتئینی شناخته‌شده و الگوریتم‌های هوش مصنوعی کار می‌کرد (مشابه AlphaFold).
2. تولید توالی: تعیین توالی‌های اسید آمینه
- برای شکل‌های پروتئینی 3D ساخته‌شده، توالی مناسب اسید آمینه تعیین شد.
- این توالی‌ها برای اتصال بسیار دقیق به هدف بهینه شدند.
3. ارزیابی توالی: انتخاب قوی‌ترین نامزدها
- بیش از 10.000 توالی پروتئینی متفاوت تولید شد و از میان آن‌ها، 44 مورد با بیشترین ظرفیت اتصال انتخاب شدند.
- نامزدهای منتخب در آزمایشگاه ساخته و در کشت‌های سلولی آزموده شدند.
⏱️ این فرایند که با روش‌های متعارف ممکن بود ماه‌ها طول بکشد، با هوش مصنوعی فقط در چند روز تمام شد!
آزمون‌های آزمایشگاهی: اثر اثبات‌شده در سلول‌های ملانوم
تمرکز پژوهش بر pMHC حامل پپتید NY-ESO-1 (SLLMWITQC/HLA-A*02:01) بود. مینی‌بایندر طراحی‌شده با هوش مصنوعی، با میل اتصال در حد نانومولار به این مجموعه متصل شد.
- miBdها در ساختار CAR ادغام و به سلول‌های T منتقل شدند.
- سلول‌های T هدف را شناسایی کردند و کشتند.
- در گروه‌های کنترل اثری دیده نشد.
🔬 همچنین با cryo-EM، درستی ساختار در سطح اتمی نشان داده شد.
مقایسه با TCRهای طبیعی: ایمنی «سنتتیک» نسل جدید
با این فناوری تازه، «آموختن» هدف به سلول‌های T بسیار سریع‌تر، مؤثرتر و کنترل‌شده‌تر می‌شود. گیرنده‌های متعارف سلول T (TCRها) بر مجموعه طبیعی ایمنی بدن تکیه دارند؛ در مقابل، سلول‌های T دارای مینی‌بایندر–CAR طراحی‌شده به‌صورت مصنوعی، می‌توانند برای قفل شدن مستقیم روی هدفی مشخص ساخته شوند. جدول زیر تفاوت‌های اصلی دو رویکرد را خلاصه می‌کند:
| ویژگی | TCRهای طبیعی | سلول‌های T مصنوعی miBd-CAR |
|---|---|---|
| منشأ | از سلول‌های طبیعی ایمنی بدن به دست می‌آید. | با هوش مصنوعی از صفر (de novo) طراحی می‌شود. |
| میل اتصال | معمولاً متوسط است؛ قدرت اتصال محدود است. | میل اتصال زیاد در حد نانومولار دارد و می‌تواند بسیار قوی‌تر متصل شود. |
| دسترس‌پذیری | یافتن TCR مناسب برای هر بیمار دشوار و زمان‌بر است. | می‌توان آن را ویژه هر آنتی‌ژن سرطانی طراحی کرد؛ انعطاف‌پذیر است. |
| مدت توسعه | ممکن است از چند ماه تا چند سال طول بکشد. | می‌توان در چند روز طراحی و در چند هفته آزمایش کرد. |
نتیجه: این رویکرد مبتنی بر هوش مصنوعی، برای عبور از محدودیت‌های سلول‌های T متعارف، می‌تواند راه‌حل‌های هدفمندتر، قوی‌تر و انعطاف‌پذیرتر در درمان سرطان، ارائه کند. مفهوم «ایمنی سنتتیک» فقط سازوکارهای طبیعت را تقلید نمی‌کند، بلکه آن‌ها را بهبود می‌دهد.
چشم‌انداز آینده: محدود به سرطان نیست
این پروتئین‌های ویژه طراحی‌شده با هوش مصنوعی، ممکن است نه‌فقط در درمان سرطان، بلکه در حوزه‌ای بسیار گسترده‌تر، کاربرد داشته باشند. با همین روش می‌توان:
- RSV (ویروس سن‌سیشیال تنفسی) و SARS-CoV-2 را هدف قرار داد و دستگاه ایمنی را علیه عفونت‌های ناشی از چنین ویروس‌هایی هدایت کرد،
- بیماری‌های خودایمنی را که دستگاه ایمنی در آن‌ها به هدف نادرست حمله می‌کند، دقیق‌تر تنظیم کرد،
- زهر مار و مولکول‌های سمی مشابه را با تولید ساختارهای سنتتیک شبیه آنتی‌بادی خنثی کرد.
یعنی این فناوری چنان انعطاف‌پذیر و قوی است که در آینده می‌تواند نه‌فقط سرطان، بلکه بسیاری از بیماری‌های مرتبط با دستگاه ایمنی را هدف بگیرد.
نتیجه: هوش مصنوعی دوره‌ای تازه در درمان‌های ایمنی آغاز می‌کند
این مطالعه به‌روشنی نشان می‌دهد که زیست‌شناسی سنتتیک و هوش مصنوعی در کنار هم، چه توانایی‌هایی دارند. با این فناوری که محدودیت‌های طبیعی سلول‌های T را پشت سر می‌گذارد و آن‌ها را بسیار مؤثرتر و هدفمندتر می‌کند، گویی می‌توان دستگاه ایمنی را دوباره برنامه‌ریزی کرد.
البته پیش از ورود به مرحله بالینی، پژوهش و آزمایش بیشتری لازم است. اما این رویکرد ظرفیت آن را دارد که نه‌تنها دنیای علم، بلکه در آینده زندگی میلیون‌ها بیمار را تغییر دهد.
به‌اختصار: این فناوری دری به دوره‌ای تازه در درمان ایمنی می‌گشاید.
منابع
آیا این مقاله برای شما مفید بود؟
بازخورد شما به بهبود محتوای ما کمک می‌کند.
نظرهای خوانندگان
نظر خود را بنویسید
نام و دیدگاه شما فقط پس از تأیید مدیر منتشر می‌شود. نشانی ایمیل شما هرگز به بازدیدکنندگان نمایش داده نمی‌شود.
اولین نظر را شما بنویسید.