צינור חדש מונע בינה מלאכותית שפותח במחקר שיתופי משלב חיזוי מבנה חלבון, עיצוב רצף והקרנה של תאים חיים יחד כדי לאפשר המרה מהירה של רצפי נוגדנים לנוגדנים תוך תאיים (תוך גופים) יציבים בתוך תאים חיים. על ידי שימור אזורים מחייבי אנטיגן ושיפור היציבות המבנית, הגישה מתגברת על מחסומים עיקריים שנתגלו בהתפתחות תוך-גופנית – מתהווה ככלי פשוט יותר וחסכוני יותר לאבחון, הדמיה ומחקר ביו-רפואי.
נוגדנים הם חלבונים הנמצאים בשימוש נרחב בביולוגיה וברפואה. אלה סלקטיביים למטרות ויכולים לזהות במדויק ולהיקשר למטרות שלהם. בשל הסלקטיביות שלהם, הם משמשים לעתים קרובות כדי לזהות ולחקור מולקולות ספציפיות. עם זאת, רוב הנוגדנים הקונבנציונליים פועלים רק מחוץ לתאים חיים, מה שמגביל את יכולתם לחקור תהליכים ביולוגיים חשובים המתרחשים בתוך תאים. נוגדנים תוך תאיים (הידועים גם בשם intrabodies) מציעים דרך להתגבר על מגבלה זו על ידי תפקוד בתוך תאים חיים. עם זאת, פיתוח גופים תוך-גופניים הוכח כמאתגר למדי מכיוון שנוגדנים נוטים להתקפל בצורה לא נכונה או לאבד פעילות בתוך התאים.
כדי להתמודד עם הנושא הזה, צוות חוקרים בראשות פרופסור הירושי קימורה מהמכון למחקר משולב, המכון למדע טוקיו (מדע טוקיו), יפן, יחד עם מר Daiki Maejima, דוקטורנט שנה שלישית מ-Science Tokyo, פרופסור חבר טימותי ג'יי. סטסביץ' מאוניברסיטת קולורדו סטייט, ארה"ב, ופרופסור יאסויוקי אוהקאווה מאוניברסיטת Kyushu שפיתחו אסטרטגיה חדשה לעיצוב אמנותי, ביפן. תוך גופי תפקודי. ממצאיהם פורסמו בכרך 12, גיליון 1 של כתב העת התקדמות המדע ב-02 בינואר 2026.
"יצרנו צינור המשלב חיזוי מבנה חלבון מונחית בינה מלאכותית (AI) עם עיצוב מחדש של רצף והקרנה של תאים חיים", אומר קימורה.
השיטה שומרת על שלמותם את אזורי מחייבי המטרה ומעצבת מחדש את אזורי המסגרת שמסביב. זה מבטיח שהנוגדנים מתקפלים כראוי ויישארו יציבים בתוך התאים מבלי לפגוע ביכולתם להיקשר למולקולות ספציפיות.
הצוות בדק סביב 26 רצפי נוגדנים קיימים. מבין אלה, 19 הוסבו בהצלחה לגוף תוך-גופי פונקציונלי. מעניין לציין ש-18 מהם לא הצליחו לעבוד בעבר כגוף פנים פונקציונלי כאשר חוקרים השתמשו בגישות קונבנציונליות.
"נוגדנים רבים שלא היו פונקציונליים כשהם באו לידי ביטוי כגופנים, נמצאו בסופו של דבר מומרים לנוגדנים פונקציונליים במחקר שלנו", מעיר קימורה. "זה מאשר שבינה מלאכותית אפשרה לנו לעצב מחדש מבנים שהיו תואמים בתוך הסביבה הסלולרית".
המוקד העיקרי של המחקר היה גופים תוך-גופיים המכוונים ספציפית לשינויים בחלבוני היסטון (חלבונים הממלאים תפקיד מפתח באריזת ה-DNA ובוויסות פעילות הגנים). שינויים אלה יכולים לשמש כסמנים יציבים של פעילות גנים או יכולים להשתנות במהירות וקשה לחקור אותם באמצעות טכניקות תיוג מסורתיות. הגופים התוך-גופיים החדשים יכלו לזהות את השינויים הללו בתוך תאים חיים והגיבו כאשר רמות השינוי גדלו או ירדו על סמך הקרינה, והדגימו פוטנציאל גבוה לחקר ויסות גנים.
ניסויים נוספים אישרו שהמולקולות שעוצבו מחדש היו יציבות, פונקציונליות, מסיסות ושמרו על ספציפיות מטרה גבוהה בתוך התא החי. יתרה מכך, הם גם הראו התנהגות עקבית וניתנת לחיזוי בתנאים סלולריים משתנים, והדגישו את האמינות של כלי המחקר.
"על ידי שילוב של עיצוב מבוסס בינה מלאכותית עם בדיקת תאים חיים, אנו יכולים כעת להאיץ את ההתפתחות התוך גופית בביטחון רב בהרבה", מסביר קימורה.
מעבר למחקר הבסיסי, לגישה זו יש פוטנציאל לייעל את ההתפתחות התוך-גופית, ולהפוך אותה למהירה יותר, זולה יותר ונגישה יותר. ככל שמסדי נתונים של רצפי נוגדנים ממשיכים להתרחב, היכולת להמיר נוגדנים קיימים לבדיקות תוך-תאיות פונקציונליות יכולה לאפשר מגוון רחב של יישומים, מאבחון והדמיית פלואורסצנציה ועד לפיתוח אסטרטגיות טיפוליות. בסך הכל, המחקר מראה כיצד AI יכול לעזור לנצל את מלוא הפוטנציאל של נוגדנים, ולפתוח נתיבים חדשים לחקר תהליכים ביולוגיים מורכבים.
