Creative Biolabs hat seine CAR-T- und TCR-T-Forschungskapazitäten mit einem KI-gestützten CAR/TCR-Entwicklungsdienst erweitert, der drei wiederkehrende Herausforderungen bei der Entwicklung gentechnisch veränderter T-Zell-Therapien adressieren soll: die arbeitsintensive Screening von Rezeptorkandidaten, persistenzbedingte Designbeschränkungen und potenzielle Off-Target-Toxizitäten. Das Unternehmen gab die Erweiterung am 25. September 2026 von seinem Standort in Shirley, New York, bekannt.
Die Entwicklung gentechnisch veränderter T-Zell-Therapien erfordert, dass Forscher einen großen Designraum navigieren – von der Auswahl geeigneter Targets und Bindemoleküle bis hin zur Optimierung der Rezeptorarchitektur und Bewertung der Spezifität. Creative Biolabs integriert künstliche Intelligenz und computergestützte Modellierung mit experimenteller Validierung, um Forschern zu helfen, vielversprechende Kandidaten früher zu priorisieren und Laborressourcen auf Designs zu konzentrieren, die durch computergestützte Kriterien gestützt werden. Anstatt künstliche Intelligenz in einer einzelnen Entwicklungsphase einzusetzen, integriert das Unternehmen KI über einen integrierten Workflow, der Target- und Binder-Entdeckung, CAR/TCR-Konstrukt-Engineering sowie Sicherheits- und Spezifitätsprofilierung umfasst. Der Ansatz soll eine datengestützte Kandidatenpriorisierung unterstützen und gleichzeitig die Abhängigkeit von breitem, iterativem Trial-and-Error-Screening verringern.
Die Identifizierung eines tumorassoziierten Targets ist nur der Anfang. Forscher müssen auch die Target-Expression, die Binder-Spezifität, die strukturelle Kompatibilität und mögliche Kreuzreaktivitäten berücksichtigen, wenn sie Kandidaten für die weitere Entwicklung auswählen. Der KI-gestützte Target- und Binder-Entdeckungsdienst von Creative Biolabs kombiniert Multi-Omics-Analysen, maschinelles Lernen und Strukturmodellierung, um die Target-Priorisierung und die Bewertung von scFv-, Antikörperfragment- und TCR-Kandidaten zu unterstützen. Für Teams, die mit großen Kandidatenpools arbeiten, kann eine computergestützte Priorisierung vor ressourcenintensivem Nasslabor-Screening eingeführt werden. Dadurch können Forscher den anfänglichen Kandidatensatz basierend auf vorhergesagten bindungsrelevanten Eigenschaften, strukturellen Merkmalen und spezifitätsbezogenen Parametern eingrenzen, bevor sie zur experimentellen Validierung übergehen.
Die Rezeptorarchitektur kann die Funktion gentechnisch veränderter T-Zellen erheblich beeinflussen. Variablen wie antigenbindende Domänen, Hinge-Regionen, Transmembranregionen und intrazelluläre Signalmodule erzeugen zahlreiche mögliche Konstruktkombinationen. Durch seinen KI-gestützten Konstrukt-Engineering- und Design-Service wendet Creative Biolabs computergestützte Modellierung an, um Faktoren wie Rezeptorstabilität, vorhergesagtes signalbezogenes Verhalten, Selbstaktivierungsrisiko und persistenzassoziierte Merkmale zu untersuchen. Wenn beispielsweise die T-Zell-Persistenz oder -Erschöpfung ein Problem darstellt, können Forscher computergestützt alternative Rezeptorkonfigurationen und Signaldomänenkombinationen vergleichen, bevor sie eine fokussierte Gruppe von Konstrukten für zellbasierte Tests auswählen.
Potenzielle Off-Target-Erkennung und On-Target/Off-Tumor-Aktivität bleiben wichtige Überlegungen in der Entwicklung gentechnisch veränderter T-Zellen. Die frühzeitige Identifizierung potenzieller Risiken kann zusätzliche Belege für die Kandidatenauswahl liefern und nachfolgende experimentelle Studien unterstützen. Der KI-gestützte Service für Sicherheits- und Spezifitätsprofilierung von Creative Biolabs integriert Sequenz-, Struktur-, Proteom- und Gewebeexpressionsinformationen, um potenzielle Kreuzreaktivitäten und zielassoziierte Sicherheitssignale für die experimentelle Nachverfolgung zu priorisieren. Eine praktische Entwicklungsstrategie besteht darin, die Spezifitätsbewertung zusammen mit der Target-Auswahl und Rezeptoroptimierung zu integrieren, anstatt die Sicherheitsbewertung ausschließlich als nachgelagerten Kontrollpunkt zu behandeln. Dies kann Forschern helfen, Kandidaten zu identifizieren, die zusätzliche Untersuchungen erfordern, bevor Ressourcen für eine breitere Validierung aufgewendet werden.
Zusammen schaffen diese KI-fähigen Funktionen einen verbundenen Workflow von der Target- und Binder-Auswahl über die Optimierung der Rezeptorarchitektur bis hin zur Sicherheits- und Spezifitätsbewertung und helfen Forschungsteams dabei, zu priorisieren, wo die experimentelle Validierung den größten Nutzen bringen kann. Forscher, die das Rezeptor-Screening optimieren, das CAR/TCR-Konstruktdesign verbessern oder potenzielle Spezifitätsrisiken bewerten möchten, können die KI-gestützten CAR/TCR-Entwicklungsfähigkeiten von Creative Biolabs unter https://www.creative-biolabs.com/car-t/ erkunden.
Die Auswirkungen auf die Zelltherapieindustrie sind erheblich. Durch die Integration von KI über die gesamte Entwicklungspipeline hinweg zielt Creative Biolabs darauf ab, die Zeit und Kosten zu reduzieren, die mit der Bringung gentechnisch veränderter T-Zell-Therapien in präklinische und klinische Phasen verbunden sind. Dies könnte die Verfügbarkeit neuartiger Behandlungen für Krebs und andere Krankheiten beschleunigen und gleichzeitig ihre Sicherheitsprofile verbessern. Für Forscher bietet der Service eine Möglichkeit, früh in der Entwicklung fundiertere Entscheidungen zu treffen, was die Erfolgsrate von Kandidatentherapien potenziell erhöhen kann. Da KI weiter in die biomedizinische Forschung eindringt, könnten solche integrierten Plattformen zu Standardwerkzeugen bei der Entwicklung von Zelltherapien der nächsten Generation werden.
