上海华雅思创生物科技有限公司
产品搜索PRODUCT SEARCH
公司动态

从计算预测到细胞验证ProteanFect衔接 AI 时代的高通量筛选闭环

发表时间:2026-11-20
近几年,AI 已前移到生命科学研究的前置环节:序列设计、靶点预测、结构与表型模拟,不少候选在进入实验前先由模型生成、排序和初筛。干实验划定了“值得验证”的范围,但候选是否有效,最终仍要回到细胞内、回到功能读数;候选越多,下游验证在吞吐、一致性和细胞兼容性上的要求就越高。ProteanFect®凭借高通量转染优势,可为“AI 预测—湿实验验证”闭环提供稳定的递送支撑。
干实验预测与验证压力

计算方法和 AI 模型目前已经可以在多个研究环节产出候选:

免疫治疗相关序列:TCR、CAR 等受体序列的设计与初步筛选;

靶点与编辑组合:候选靶点、sgRNA 序列及对应编辑策略的预测;

核酸分子设计:mRNA 结构、剂量与表达形式的初步优化;

通路与表型关联:基于已有数据的表型预测和分层假设。

这些候选往往是一批需要逐一检验的核酸或构建体(序列、靶点、载体或编辑组分)。模型评分依赖训练数据与建模假设,胞内递送、细胞状态、体外环境等因素未必能被充分预测,因此预测结果仍需在真实细胞中检验,数据再回喂模型迭代。候选清单从几个扩展到一批后,单点式、低重复、条件不一致的验证方式容易成为瓶颈:操作繁琐、批次差异干扰横向比较,筛选周期随之拉长。

原代细胞高通量验证瓶颈

筛选常用的原代 T、B、NK 细胞及各类干细胞,本身敏感性高、体外扩增有限、对外源大分子摄入效率低。板级批量处理时,几种传统递送方式各有局限:

病毒载体:需包装与滴度测定,周期长、成本高、文库化流程复杂,并需考虑插入突变风险与免疫原性;

电穿孔:可提高导入率,但对细胞膜和细胞稳态刺激较强,易出现活率下降、孔间波动和功能损伤,条件窗口较窄;

脂质体或阳离子聚合物:在易转染细胞系中表现尚可,在原代免疫细胞和干细胞中效率偏低、毒性较明显。

筛选对递送环节的要求是:可批量并行处理多份核酸、流程短、孔间结果稳定,并保留足够活率以支持后续功能检测。

ProteanFect®的高通量表现

ProteanFect®基于内源蛋白凝聚体:蛋白与核酸在体外自组装成纳米颗粒,经细胞主动摄入进入胞内,迅速释放核酸完成表达,蛋白组分随后天然降解;属于非病毒、非电转非脂质体的递送路线,对细胞扰动相对温和。

在人原代 T 细胞的 96 孔板高通量转染中,仅需 45 分钟即可完成整板转染。进一步统计分析中,转染 24 小时后收集细胞(N=96)流式检测活率与转染效率(图 1):

各指标 CV 均小于 0.1,离散程度低,高通量转染稳定性较好。

综合来看,ProteanFect®可实现:

· 高效(转染效率高、重复性好)

· 快速(96 孔仅需45 分钟)

· 便捷(核酸加入混合液中即可完成制备)的高通量转染

图 1|ProteanFect®在人原代 T 细胞中高通量转染 EGFP mRNA 的统计分析图

ProteanFect®在“AI 预测—验证”闭环中的应用

结合干实验产出候选、湿实验逐一验证的流程,ProteanFect®的高通量转染能力可以落在以下场景:

免疫受体候选序列平行测试

AI 设计或筛选得到的 TCR、CAR 等候选序列,可构建为 mRNA 等核酸形式,在原代 T/NK 细胞中板级平行转染,先比较表达水平、表达强度与活率,再进入结合、增殖或杀伤功能实验。

靶点与 sgRNA 组合功能验证

预测出候选靶点和 sgRNA 后,可用 ProteanFect®CRISPR 递送试剂盒在 96 孔规模平行递送,检测编辑效率与表型读数,快速缩小候选范围。

核酸剂型与剂量优化

同一候选可在同一平台平行比较不同核酸类型(mRNA、siRNA、pDNA 等)、剂量与配比,减少递送条件不一致带来的偏差。

跨细胞类型平行复核

对进入下一轮的候选,可在 T、B、NK 或干细胞等不同背景中平行转染,观察是否存在细胞类型差异。

结语

AI 让提出假设更快、更系统;假设能否成立,仍取决于细胞水平的验证是否快速、稳定、可重复。递送是连接干实验预测与湿实验读数的中间环节,ProteanFect®希望在原代细胞高通量筛选中,把这一步做得更简单、更可靠。

联系方式
手机:15021010459
Q Q:
微信扫一扫

沪公网安备 31011202012699号