研究人员建立了一套面向癌细胞表面蛋白的可扩展 AI 微型结合蛋白（AI-minibinder）发现流程，以 PD-L1（B7-H1）、CD276（B7-H3）和 VTCN1（B7-H4）为靶点，将 RFdiffusion、ProteinMPNN 和 AlphaFold2 等计算工具与哺乳动物细胞表面展示、流式细胞分选和高通量测序结合，对数千个设计进行实验筛选。研究人员没有仅关注如何生成更高评分的结合蛋白，而是建立从计算设计、规模化实验筛选到最终应用验证的完整流程，并选择三个同属于 B7-H 家族、但生物学和表面特征不同的癌症相关靶点，系统研究 AI 设计成功率、计算评分可靠性以及结合界面之外的生化性质如何影响微型结合蛋白的实际功能。传统 AI 蛋白设计通常将主要优化目标放在结构置信度、结合界面和预测亲和力上，但 CAR 实验表明，一个具有极高结合亲和力的微型结合蛋白仍可能由于整体电荷、膜运输或表面展示不足而表现不佳。