富含亮氨酸重复序列蛋白15（LRRC15）在癌相关成纤维细胞（CAFs）上选择性表达，是用于肿瘤微环境成像的有前景的生物标志物。文章采用组合文库方法，并结合机器学习技术，开发出二硫键约束肽（DCPs），特别是ML-YSD-07和ML-PD-03，这些肽对小鼠LRRC15（muLRRC15）表现出亚纳摩尔级亲和力，并能特异性地靶向表达muLRRC15的成纤维细胞。在高表达LRRC15阳性CAFs的小鼠胰腺癌模型中，使用18F标记的ML-YSD-07进行PET成像显示其在肿瘤部位具有特异性富集。apo-muLRRC15及ML-YSD-07结合后的muLRRC15晶体结构表明，这些DCPs进化出独特的结合构象，可高效识别muLRRC15上的平面表位。综上所述，本研究鉴定出高效且经过分子设计的LRRC15结合肽，并进一步证实LRRC15作为癌症成像中CAFs生物标志物的重要价值。

    文章采用噬菌体展示组合文库与机器学习相结合的策略，成功开发了靶向小鼠LRRC15（muLRRC15）的高亲和力二硫键约束肽（DCPs）。研究者首先从四个天然胱氨酸结肽骨架出发进行第一代文库筛选，获得以EE-D1（KD = 0.45 µM）为代表的先导肽。在此基础上构建第二代文库，利用约16万个DCP序列的富集数据训练基于Transformer架构的机器学习语言模型，生成1000万个预测序列并筛选出5万个构建ML文库。通过酵母表面展示和噬菌体展示两种平台筛选，获得ML-YSD-07和ML-PD-03两个亚纳摩尔亲和力（KD分别为0.48 nM和0.36 nM）的DCPs，较第一代先导肽亲和力提升约1000倍。晶体结构解析表明，这些DCPs形成了不同于母体骨架的二硫键连接方式（C1-C4、C2-C3、C5-C6），以独特的构象结合于muLRRC15凹面的平坦表位，其中W7、W9和W25三个色氨酸贡献了一半的结合界面面积。将ML-YSD-07用18F放射性标记后，在表达LRRC15的PDAC小鼠肿瘤模型中成功实现了PET/CT成像，肿瘤摄取稳定且特异性高。该研究证明了机器学习增强的肽组合文库筛选策略在开发靶向肿瘤微环境的成像探针方面的巨大潜力。

表1.基于EETI的DCP序列及其结合亲和力

Figure 2 | 机器学习引导的组合文库平台概述。 该图系统展示了本研究的核心策略流程。首先，将第二代噬菌体文库筛选获得的约16万个DCP序列的NGS富集数据用于训练序列基机器学习模型，该模型仅依赖氨基酸序列信息，不输入任何靶蛋白结构数据。模型将第一代DCPs的预测结合分数与实验测定的KD值进行相关性验证，获得了良好的拟合效果。随后，模型计算生成了1000万个全新DCP序列，经非特异性结合过滤和序列长度多样性平衡后，最终筛选出5万个序列构成ML文库。该文库分别通过酵母表面展示和g3-噬菌体展示两种平台进行筛选，以最大化获得高亲和力结合肽的概率。

图5. 使用[18F]AlF-RESCA-ML-YSD-07对KPR小鼠胰腺癌肿瘤进行PET/CT成像

参考文献：doi.org/10.1038/s41467-026-73845-z