原文题目：Decoding CAR T cell phenotype using combinatorial signaling motif libraries and machine learningDOI：10.1126/science.abq0225嵌合抗原受体 （CAR） 已证明合成信号受体作为重新编程免疫细胞以执行治疗功能（例如靶向杀伤肿瘤细胞）的工具的能力。CAR的抗肿瘤功效受到它们所含信号结构域的强烈调节。目前临床批准的CAR包含来自CD3ζ的核心T细胞受体（TCR）信号结构域，以及来自CD28或共刺激免疫受体.共刺激结构域本身由多个信号基序组成，这些短肽通常通过模块化蛋白质相互作用结构域与特定的下游信号蛋白结合。这种肽信号基序（称为线性基序）是控制大多数信号受体输出的基本构建块。受体刺激时由特定信号基序阵列招募的信号蛋白星座被认为塑造了独特的细胞反应。例如，在 CAR 中，包含肿瘤坏死因子受体相关因子 （TRAF） 信号衔接蛋白结合基序的 4-1BB 共刺激结构域导致 T 细胞记忆和持久性增加;CD28共刺激结构域包含磷脂酰肌醇-3-激酶（PI3K），生长因子受体结合蛋白2（Grb2）和淋巴细胞特异性蛋白酪氨酸激酶（Lck）的结合基序，与更有效的T细胞杀伤有关，但降低了长期T细胞持久性。因此，信号基序可以被认为是用于组成通过信号域传达的表型“句子”的“单词”。图 1：具有合成信号基序组合的CAR共刺激结构域产生具有解耦细胞毒性和干性的多种细胞命运。合成生物学的一个主要且仍然突出的目标是通过改变受体组成来预测地产生新的细胞表型。例如，在癌症免疫治疗中，一般目标是增强T细胞抗肿瘤细胞毒性，但也要维持与长期T细胞持久性相关的干细胞样状态。这种表型与有效和持久的肿瘤清除有关（更高的干性与对T细胞衰竭的抵抗力更强相关）。已经筛选了共刺激结构域的文库以改善表型。然而，使用的共刺激结构域来自天然免疫受体（即替代预先存在的“句子”，使用语言的类比）。研究人员建议，扫描合成受体表型空间的一种更有效的方法是创建对信号基序的新组合进行采样的文库。原则上，这种方法可以产生超出仅由天然受体结构域产生的表型。此外，探索更广泛的受体“基序空间”可以更系统地理解输出的不同参数是如何由基序身份、组合和顺序编码的。图 2：神经网络解码信号基序的组合语言，以预测新基序组合的细胞毒性和干性。研究人员重新组合了13个信号基序，创建了一个具有随机基序组合（新句子）的CAR共刺激域库。这个新的信号“句子”库产生了一系列表型，包括天然信号域未观察到的表型组合。研究人员使用神经网络来解码信号基序的语言，创建预测模型，并提取设计规则，为增加细胞毒性和干性的CAR信号域的工程提供信息。图 3：分布分析量化线性基序语言的元素，以提取信号域的设计参数。总之，研究人员发现信号基序库和机器学习可以结合起来阐明CAR共刺激信号的规则，并指导体外和体内具有改进表型的非天然共刺激结构域的设计。共刺激信号调节CAR-T细胞活化的结果，使共刺激结构域成为定制或改进细胞疗法的有吸引力的工程靶点。到目前为止，共刺激结构域工程主要局限于添加完整的天然结构域，例如来自4-1BB，CD28或白细胞介素-2受体β亚基（IL2Rβ）的天然结构域，有效地使用天然发生的信号句子（基序组合）。研究人员使用来自受体的基序作为单词来生成数千个不同的信号句子，这些句子将T细胞驱动到不同的细胞命运，从而可能产生更多样化和微妙的表型含义。图 4：神经网络准确地预测PLCγ1结合基序改善了4-1BB-ζ的细胞毒性和干性，但不能改善CD28-ζ。通过神经网络分析增强受体子集的实验分析，使研究人员能够探索组合基序空间的更大区域。特别是，研究人员确定了可能在CAR-T细胞疗法中有用的TRAF和PLCγ1结合基序的非天然组合。通过数百个受体的阵列屏幕和机器学习，研究人员确定了信号基序语言的基本元素，并提取了将基序组合与细胞命运联系起来的设计规则。这代表了朝着具有所需特性的工程受体迈出的一步。需要与其他CAR和靶癌细胞类似的筛选方法来确定每种CAR和肿瘤类型的最佳信号域。文库还可用于鉴定产生最佳T细胞功能的结合、铰链、接头、跨膜和信号结构域的组合，并评估这些组合的安全性和毒性。由于组合空间的大小和复杂性，对这些较大库的探索可能会受益于机器学习。这种类型的机器学习增强屏幕可用于设计许多其他类别的受体，用于生物学研究和细胞治疗应用，涉及由信号基序组合控制的细胞过程。DOI：10.1126/science.abq0225这位张教授的国自然讲座大家一定要扫码听听！连中5个本子，100%的中标率是如何做到的？欢迎您扫码参加张教授的这次国自然直播课回放（加圈观看）
