CAR T 细胞从代码到诊所：基于当前转化性研究目标的建模方法框架

嵌合抗原受体（CAR）T 细胞疗法已改变难治性癌症的免疫治疗格局，但仍面临持久性不足、毒性、衰竭及抗原阴性复发等主要限制。通过基因电路和合成受体增强 CAR T 细胞可解决部分问题，但理论设计空间常过大，难以实验探索。数学建模为解决这些转化性瓶颈提供了强大的框架，通过机制性理解与设计优化及临床应用相互关联。本视角将建模方法嵌入其所解决的治疗问题中，围绕关键转化性挑战展开讨论，而非建模技术。我们批判性地评估了当前方法的优势、局限性与数据空白，强调建模如何支持更安全更有效疗法的开发。我们指出诸如多尺度建模、控制论和数据驱动方法等新兴方法，这些方法利用高维数据集指导可预测的设计，并指出 CAR NK 细胞和 CAR 巨噬细胞等免疫细胞治疗领域尚未充分探索的方向。我们希望本视角中探讨的主题能鼓励研究者细化可预测模型，使其在基因、细胞、微环境及患者水平上优化 CAR T 细胞疗法，从而提升其临床表现。