生物世界 · 公众号

8月16日 11:48 · 阅读约 2 分钟

AI 评分59

生物世界· 中国精选59分

Nature子刊：陈斯迪团队推出AI平台DeepSCan，实现细胞表面展示元件发现与设计

Nature子刊：陈斯迪团队推出AI平台DeepSCan，实现对细胞表面展示元件的发现和设计

发布于 2026/8/16 11:48:00（北京时间）

数据治理与人工智能应用

摘要

2026年8月12日，陈斯迪团队在Nature子刊发表AI平台DeepSCan，用于细胞表面展示元件的发现和设计。该平台将CSD序列与功能活性相关联，可系统性解析展示元件规律，有望加速生物工程在药物递送、细胞治疗等领域的应用。

AI 主编 · 推荐理由推荐理由

对从事细胞治疗、抗体工程等生物药研发的团队有直接参考价值，建议评估DeepSCan在靶点筛选与分子设计中的应用潜力，以提升研发效率。

五维评分

信源权威度

影响范围

合规紧急度

行业关注度

时效性

正文

编辑丨王多鱼

排版丨水成文

细胞表面展示（Cell Surface Display，CSD）元件是生物工程领域的重要模块，但目前仍缺乏将 CSD 序列与功能活性关联的系统性规律。

2026 年 8 月 12 日，耶鲁大学医学院陈斯迪团队（博士后方禛浩为论文第一作者）在 Nature Biotechnology 期刊发表了题为：Discovery and design of potent cell surface display elements 的研究论文。

该研究推出了名为 DeepSCan 的 AI 平台，首次实现对细胞表面展示（CSD）序列功能的系统解析与生成式设计。该平台不仅能预测哪些序列更容易被细胞展示到表面，还可以设计出比天然序列更高效的生成式序列。

该研究开发了一套基于深度学习和人工智能的模型体系——DeepSCan，用于系统解析细胞表面展示（CSD）序列与功能之间的关系，可靠捕捉高效元件的保守特征，并迭代设计和构建新型高效的 CSD 模块，以实现 mRNA 抗原的表面展示。

研究团队通过实验量化了超过 570 种嵌合抗原的表面表达水平，为约 310 个 CSD 元件赋予了细胞表面转位强度标签，并整合了约 45 个独立训练数据集。研究团队训练了三代 DeepSCan 模型并评估其性能。在这些模型指导下，研究团队计算设计 700 个候选 CSD 元件，并实验验证了其中约 120 个生成式 CSD，最终鉴定出 7 个性能达到或超过天然最强效 CSD 的生成式元件。增强的表面展示效果在多种细胞类型中均得到验证，并在抗原特异性 CAR-T 细胞毒性实验中表现出功能性。

论文链接：

https://www.nature.com/articles/s41587-026-03144-x

设置星标，不错过精彩推文

开放转载

欢迎转发到朋友圈和微信群

微信加群

为促进前沿研究的传播和交流，我们组建了多个专业交流群，长按下方二维码，即可添加小编微信进群，由于申请人数较多，添加微信时请备注：学校/专业/姓名，如果是PI/教授，还请注明。

点在看，传递你的品味

查看原文 ↗