人工智能正在进入核酸适配体发现流程。该研究通过AptaBLE生成CD4适配体候选，并将计算设计、实验验证和mRNA-LNP表面功能化连接为一条完整技术路线。

研究中的载体设计

技术路径与文献观察

适配体是脂质体和LNP主动靶向修饰的重要配体。除传统SELEX筛选外，人工智能辅助序列生成也开始用于发现新的核酸适配体候选。

相关研究使用AptaBLE平台生成新的CD4结合适配体候选，并将其修饰于LNP表面，用于CD4? T细胞靶向mRNA递送。

研究将AI生成的候选与已验证的Apt62共同纳入评价，通过CD4结合、细胞转染和体内递送实验考察其功能。

该研究展示了“AI生成适配体—实验验证—脂质偶联—LNP靶向递送”的技术路径，为不同细胞靶点的配体发现提供了参考。

本篇从AI生成候选序列切入，强调“计算设计—实验验证—脂质偶联—细胞递送”的转化路径。

可拓展的应用方向

该技术路线可根据目标细胞、组织受体及研究载荷进行扩展。表面识别分子决定颗粒主要与哪些细胞相互作用，脂质载体承担保护和递送功能，内部载荷则决定后续的治疗、成像、检测或基因表达效果。

碳水科技（Tanshtech）定制方向

可根据客户提供的适配体候选序列和连接要求，开展适配体—脂质偶联及脂质体、LNP表面修饰。

可包封mRNA、siRNA、miRNA、DNA等核酸，也可负载化学药物、蛋白和多肽；支持多配体修饰和多组分荧光标记。

参考文献

Shah S, Ranasinghe M, Decker J, et al. Lipid nanoparticles with aptamers enable targeted mRNA delivery to CD4? T cells. Drug Delivery. 2026;33(1):2637266.

DOI: 10.1080/10717544.2026.2637266；PMID: 41761629