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：D iscovery 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