DESynR：给 24 个天然转录因子拆件重拼，53 个新组合赢过天然冠军

天然转录因子是细胞治疗的性能上限吗？这不是理论空谈：天然转录因子 c-Jun 已经被装进 CAR T 产品、走进了临床。2026 年 8 月正式发表于 Cell 的工作 DESynR，给出了一个拒绝"天然是上限"这一直觉的工程答案：它把 24 个天然 AP-1 转录因子拆成 72 个结构域，重新拼出 13,824 个合成转录因子，在反复遭受白血病抗原攻击的原代 CAR T 细胞里做竞争筛选，最后有 53 个新组合的表现超过了库里的最佳天然因子。这 53 个组合为什么能赢过天然冠军，我们留到第 3、4 章再回来拆解；在那之前，得先回答一个更基本的问题：那个已经走进临床的 c-Jun 方案，为什么仍然不能告诉我们天然转录因子是否为上限？

1. 天然转录因子是治疗上限吗？先看一个已经走到 Phase 1 的反例

1.1 CAR T 的敌人是耗竭，转录因子是命运开关

答案藏在 c-Jun 在临床上要做的事情里。它要对付的敌人，是耗竭（exhaustion）。CAR T 疗法的工作方式，是从患者体内取出 T 细胞，给它们装上一种能识别肿瘤抗原的人工受体 CAR（嵌合抗原受体），扩增后回输体内。这套策略在血液瘤里已经拿到多个上市产品，但在实体瘤里反复受挫，原因高度集中在同一个词上：耗竭。被肿瘤反复刺激的 T 细胞会一步步"累垮"，逐渐失去杀伤能力，同时高表达 PD-1、TIM-3 这类抑制性受体。主流的框架把耗竭看成一条从祖细胞态经中间态到终末态的分化轨迹，一旦走到终末态，几乎不可逆转Nat Rev Immunol。

耗竭故事的真正主角，是一类决定细胞状态的蛋白质：转录因子（transcription factor），被拿来做成药的 c-Jun 正是其中一员。转录因子不直接干活，而是去"读"基因组上的调控位点，决定哪些基因该打开、哪些该关闭。T 细胞命运的转折点，很大程度上由 AP-1（激活蛋白 1）与 NFAT 这对转录因子的平衡决定。T 细胞被抗原激活时，AP-1 会和 NFAT 协同工作，激活效应基因；但在肿瘤环境里反复受压的 T 细胞中，AP-1 活性不足，此时"落单"的 NFAT 会转而招募 TOX、NR4A 家族，把细胞拖进耗竭程序。FOXO1、TCF1 这些转录因子则站在对面，维持记忆与自我更新。所以 AP-1 与 NFAT 的合作程度，就是那把决定 T 细胞走向效应还是走向耗竭的主开关JCI Insight。

用一张图把这块天然调控网络的边界看清楚：

图注：这张手绘示意图把 T 细胞的两条命运放在同一张地图上：粉色一侧是记忆程序（FOXO1、BLIMP1、TCF1、RUNX3 等维持干性与自我更新），蓝色一侧是经典耗竭程序（TOX、TOX2、NR4A 被 NFAT 招募后把细胞推向终末耗竭），NFAT 与 AP-1（Fos、c-Jun）的合作程度决定天平倒向哪边。图中还列出了 NK 样耗竭、机械应力诱导耗竭等额外程序。注意这是 2025 年综述的概念图，不承载任何定量数据。JCI Insight

1.2 LYL797：天然转录因子已经进了临床，但它只做"恢复"

如果天然转录因子真是治疗上限，那么"工程化天然转录因子"这条路应该已经到头了。现实恰恰相反：这条路不仅没有到头，还带着一个具体产品走进了一期临床试验（Phase 1）JCI Insight。

这个案例是 Lyell 公司的 LYL797。产品构成很简单：在靶向 ROR1 的 CAR T 细胞上，额外过表达一个天然转录因子 c-Jun。c-Jun 是 AP-1 家族的成员，过表达它的目的，正是校正耗竭细胞里"AP-1 不足"这个失衡；配套的 Epi-R 制造工艺则用来维持 T 细胞的干性表型。

图注：LYL797 的产品构成是一张水平流程图：患者 T 细胞先过表达 c-Jun（校正耗竭细胞中的 AP-1 失衡），再经 Epi-R 工艺制造（维持干性表型），表面装上靶向 ROR1 的 CAR，最后去识别肿瘤细胞。示意图只展示产品构成，临床疗效数字不在这张图上。NCT05274451

LYL797 的一期数据并不难看：在最高剂量组之一（150×10⁶）里，5 名可评估患者中有 2 人确认部分缓解，ORR（客观缓解率）40%，CBR（临床获益率）60%；9 名做了实体瘤活检的患者全部检出了浸润的 CAR T 细胞。对一个实体瘤 CAR T 项目来说，这些数字足以说明"用天然转录因子工程化 T 细胞"这条路是真实可行的NCT05274451。但这个项目没有走到终点：该试验已于 2024 年 11 月 27 日以管线优先化（Pipeline Reprioritization）为由终止，关于"天然转录因子是否为治疗上限"的疑问并没有得到临床终点的回答，第 5 章会展开讲。

但请注意这里反常的地方：临床路径上确实已经用到天然转录因子（LYL797 已进入 Phase 1），天然转录因子是否为上限，却恰恰是这个临床试验回答不了的问题。原因就在 LYL797 的设计本身。这个产品做的是恢复耗尽细胞里本来就该有的 AP-1 平衡，把已知的失衡校正回去；到目前为止，它被测试过的范围也都在这个已知平衡之内。换句话说，它尚未测试、也尚未证明自己能否构造平衡之外的状态；反过来说，"天然因子构造不了平衡之外的状态"也不是已被证明的结论。这正是 DESynR 要去检验的事：把天然模块重新排列，能不能走到平衡之外。有一件事已经可以确定：进化只筛选过对生殖适应最优的组合，从未筛选过对持续抗原刺激下的治疗最优的组合。所以，把天然转录因子当成治疗的上限，目前没有任何证据支持；更准确的说法是，它是治疗的先验起点。要去平衡之外，设计者必须换一种搜索方式。下一章，我们从序列空间的几何说起。

2. 序列空间这么大，为什么换接积木比从头写序列更容易成功？

2.1 从头设计的失效率，是空间几何问题

想象每条蛋白质序列都是 20 种氨基酸按某种长度串成的一根链。所有可能的链构成一个天文数字级的序列空间，而其中绝大部分序列既不能折叠，也没有任何功能。真正能工作的序列只占极小一片"小岛"，这个占比叫功能序列占比 P_fs（functional sequence footprint）。

问题来了：把随机写出的序列拿去测试，成功概率约等于 P_fs。一篇 2024 年发表在 PLOS ONE 的理论分析把这件事的残酷程度精确化了一层PLOS ONE.它借用统计物理里的渗流（percolation）概念：把序列空间想成一张巨大的网格，每步单点突变只能走到相邻格点。如果功能序列在网格里均匀撒布，它们根本连不成一条从左到右的连续通路，因为连接通路的必要条件，是局部功能概率超过某个阈值，即渗流阈值（percolation threshold）。而实际测得的 P_fs 远低于这个阈值。这意味着从头设计的高失效率不是工程问题，而是空间几何问题：从零写序列，等于在一片功能序列稀疏到几乎不存在"通路"的空间里均匀撒网。

四个演示网格把这句话变成了一眼可见的图：

图注：四个 100×100 的网格代表同一个序列空间，灰色方块代表能起作用的序列，相邻格点之间只有一步点突变的距离。前三个网格里功能序列均匀或弱偏置分布（σ=∞/15/10），灰点形不成从左到右的连续通路；只有最右边强偏置的时候（σ=2，中心与边缘功能概率之比 R_b=19），才出现一条贯穿整个空间的连续功能路径。注意这是演示示意图，每个网格的功能序列占比都被固定为约 5%，不是真实蛋白质的实测数据。PLOS ONE

细看这张图会得到一个对做 AI for Science 的人来说很熟悉的结论：缺口不在算力，在起点。网格里若没有偏置，无论怎么搜都连不起路径；一旦把起点放在偏置峰上，路径自然存在。把这张网格翻译成机器学习语言，"偏置峰"就是预训练或奖励塑形已经帮你把搜索起点放到解附近的那片区域，均匀分布就是没有任何先验的随机初始化。微调之所以有效，正是因为起点已经在峰顶，而不是因为模型更聪明。DESynR 的整个设计哲学，就是把这条道理搬进蛋白质世界：复用进化已经验证过的天然模块，等于把每一步搜索都放在偏置峰顶附近，而不是从稀疏的均匀空间里碰运气。看不懂这个类比也没关系，后面第 3 章的工程数字会把这个逻辑再落一遍。

2.2 进化早就这么干：外显子洗牌

"把搜索起点放在已验证的模块上"这条路，进化自己走了几十亿年。1978 年，Walter Gilbert 在 Nature 上写了一页纸的短评《Why genes in pieces?》，提出了外显子洗牌（exon shuffling）假说Gilbert 1978.当时人们刚发现真核生物的基因是分段的：编码蛋白质的片段外显子（exon）被不编码的片段内含子（intron）隔开。Gilbert 的洞察是，这个看似浪费的结构其实是进化的一条捷径。外显子大致对应可独立折叠的结构域，内含子的长度又天然利于重组，那么两条基因在内含子处发生交换，就能把各自的外显子模块重新洗牌，拼出拥有新模块组合的蛋白。

后人把这条思想概括得很通俗：搜索序列空间靠的是更大的词块，而不是逐字母的点突变。把蛋白质比作句子，进化改句子是整词整词地换，不是逐个字母地试错。这个假说后来被大量基因组数据支持，但本专题关心的不是它作为进化理论的命运，而是它作为工程方案的种子：既然进化能靠模块交换高效制造新蛋白，工程师为什么不能把这条亿万年的路，换成实验室里的受控重组？

图注：外显子洗牌的三步示意：分段，基因被内含子隔成一段段外显子，每段对应一个可独立折叠的结构域；洗牌，两条基因在内含子处发生重组，交换各自的模块；拼装，交换后拼出拥有新模块组合的嵌合蛋白。这是进化制造新蛋白的一条捷径，也是第 3 章 DESynR 工程路线的思想原型。

进化用模块交换绕过了"从零碰运气"的失效率陷阱，DESynR 的贡献在于把这套思路工程化：用受控重组替代自然选择，让目标细胞当裁判，而不是等漫长的世代来筛选。现在可以进入正题了。

3. 13,824 个组合本身不稀奇，稀奇的是谁在当裁判

3.1 库设计：24 个因子拆成 72 个结构域，装回去 13,824 种

DESynR 的第一步，是把 AP-1 这个家族内部的天然因子拆开再重装。作者挑了 24 个天然 AP-1 因子，按三个功能段切分：N 端的调控结构域、中间的 bZIP（basic leucine zipper，碱性亮氨酸拉链）DNA 结合结构域、C 端的调控结构域。24 个因子各切三段，得到 72 个结构域。然后用 Type IIS 限制性内切酶做迭代组装，把任意一个 N 端、任意一个 bZIP、任意一个 C 端拼成一条全长合成转录因子，一共 13,824 种组合，几乎覆盖了所有可能的排列。质粒库测序显示，99.8% 的可能组合都能检出，约 89% 的构建体丰度分布在一个数量级以内，库的质量足以支撑后续筛选DESynR.

这里先记住一个命名规则，后面所有命中名字都靠它解读：每个合成转录因子的名字，按"N 端来源、bZIP 来源、C 端来源"的顺序排列。JUN-FOS-BATF 的意思，就是 JUN 的 N 端、FOS 的 bZIP 结合域、BATF 的 C 端拼在一起。名字里三个大写字母分别来自三个不同的天然因子，这正是"重组"二字的本义。

图注：库设计的层级一目了然：a、b 面板显示天然因子按 N/bZIP/C 三段被切开，得到 72 个结构域；c 面板把 24 个按亚家族配色的天然因子汇总成 13,824 个合成转录因子。d 到 f 面板是质粒库和编辑后 T 细胞的 barcode 测序质控，显示组合覆盖度与链接保真度。注意 d、e 的散点是建库质量控制，不是功能富集结果，c 面板也不是在说存在 13,824 个天然因子。DESynR

这套库的每个构建体，都对应着上一章那张网格里的"偏置峰顶"：它的每一段都来自进化已经验证过能折叠、能结合、能工作的天然模块。DESynR 没有发明任何一段新序列，它只是把已验证的段落重新排列。这正是模块化先验的工程落地。

3.2 裁判不是试管，是反复抗原攻击下的原代 CAR T

库造好了，13,824 这个数字本身并不稀奇。合成生物学造十万个变体已是家常便饭，真正稀奇的是接下来谁在当裁判。

DESynR 没有在试管里测这些转录因子的结合活性，而是把它们全部装进原代人 T 细胞：每个细胞通过 TRAC（T 细胞受体 α 链基因座）位点敲入一条 CD19 CAR 加一个 DESynR 构建体，然后与 CD19 阳性的白血病细胞 Nalm6 以 1:8 的效应细胞与靶细胞比例（E:T）反复共培养，一个 T 细胞要同时面对 8 个肿瘤细胞，每 2 到 3 天换一次新鲜靶细胞，总共 6 轮、持续 2 周。每次刺激都是一次"治疗压力下的淘汰"，最后由 barcode 扩增子测序读出每个构建体在竞争中的相对丰度变化DESynR.裁判标准不是什么结合亲和力，而是最朴素的一条：你能不能在被肿瘤反复攻击的 T 细胞里折叠出来、起作用、撑住不消失。这个筛选环境把"模块组合是否有效"变成了细胞层面的达尔文式竞争。

结果如下：3 个供体合并分析后，242 个 DESynR 构建体显著富集，其中 53 个的富集程度超过了库里的最佳天然 AP-1 因子 JUNB（JUNB 的 Log2FC 为 3.7，这 53 个的范围在 3.7 到 6.8 之间）DESynR.注意对照的边界：53 超过的是筛选内的最佳天然因子 JUNB，不是"所有天然因子"。分解到结构域层面还有一条更意味深长的规律：富集的命中明显偏好使用 T 细胞内源性表达很低的天然因子提供的结构域，比如 JDP2、BATF2、BATF3。这十分反直觉。你可能会想，T 细胞里本来就活跃的因子应该更好用，结果恰恰相反，被选中最多的是 T 细胞平时几乎不碰的模块DESynR.天然表达水平不是治疗价值的可靠先验，进化的筛选标准从来不是"在 CAR T 里好用"。

把这张主图展开看：

图注：a 面板是完整筛选流水线：库与 CD19 CAR 一起经 TRAC 位点敲入原代 T 细胞，与 Nalm6 细胞反复共培养后解码 barcode；b 面板是 3 个供体的慢性刺激火山图，242 个 DESynR 显著富集（深色点），其中 53 个超过最佳天然 AP-1（橙色 JUNB）；d 面板是代表性命中与 CAR 加 GFP 对照的个体验证。e 到 g 是 242 个命中在 N/bZIP/C 三个位置上的结构域使用频率分析。注意 d 面板不是小鼠生存曲线，b 面板的对照也只是筛选内的最佳天然因子 JUNB。DESynR

这些命中不只是"在培养皿里富集"。挑出代表性组合做个体验证后，JUN-FOS-BATF 与 FOSL1-BATF-MAFA 在免疫缺陷 NSG 小鼠（严重免疫缺陷、可接受人类细胞移植的小鼠）的 Nalm6 白血病模型里显著延长了总生存，每组 5 到 9 只小鼠；在慢性刺激后的终末杀伤实验中，它们也一致优于 CAR 加 GFP 对照和过表达天然 BATF 的细胞DESynR.

3.3 同一思想的两个邻居

DESynR 不是孤立事件。同一实验室更早的 ModPoKI 用 100 个转录因子、129 个受体和约 10,000 个 TF 组合，在更上游的尺度走通了"池化敲入加功能筛选"这条路的原型，筛出了 BATF-TFAP4 这类双命中ModPoKI;而 speedingCARs 把同一套"域洗牌加池化筛选"搬到了 CAR 受体的胞内信号域上，180 个组合里同样筛出了优于临床标准的非标准变体speedingCARs.这两句旁证只想说明一件事：模块化重组加功能筛选是一类在转录因子、受体等多个层级都成立的工程范式，而不是某篇论文的一次性花招。

至此链路已经走通：24 个因子拆成 72 个结构域，拼出 13,824 个构建体，在反复抗原攻击下筛出 242 富集、53 个超过最佳天然 JUNB。关键不在组合数，而在裁判：被反复肿瘤攻击的原代 CAR T 细胞才是真正的选择环境。但被选出来的命中物到底赢在哪儿？它们只是"更富集"吗？下一章进入全场最核心的问题。

4. 命中物赢在哪儿：打开了对照细胞进不去的染色质

4.1 现象层：两种独立证据指向同一个结论

先分清两把尺子，因为它们后面会反复出现。染色质可及性（chromatin accessibility，ATAC-seq）测的是 DNA 上哪些区域处于开放状态、可供转录机器访问，回答"有没有机会表达"；转录组（RNA）测的是基因是否真的在表达，回答"正在表达什么"。染色质打开了不代表基因就在表达，两者是独立的证据，不能混为一谈。

DESynR 对强命中做了两种测序。单细胞 RNA 测序（scRNA-seq）显示，52,952 个细胞聚成 10 个 cluster，三个强命中 MAFF-ATF3-BATF2、BATF3-JDP2-BATF2、JUN-FOS-BATF 占据的 cluster 在 CAR 加 GFP 对照和天然因子细胞里几乎是空的；它们的转录重塑规模（数千个差异表达基因）也远超天然 JUNB 和 BATF。这已经超出"更富集"的范畴：它们把细胞带进了对照细胞到不了的状态DESynR.

染色质层面的证据更锋利。18,165 个差异开放染色质位点按表达模式聚成 4 个模块。Module 1 里的基因（CTLA4、PDCD1、EOMES、BTLA）正是耗竭程序的核心成员，它们在对照和天然因子细胞里高可及，在三个强命中里被显著压低。在讲"被压低"之前，先用一张耗竭领域的标准概念图看清这些基因在天然网络里的位置：

图注：耗竭不是单一状态，而是一条从祖细胞经中间态到终末态的分化轨迹。TOX、TOX2、NR4A 是驱动耗竭的转录因子，TCF1、BACH2、BCL6 在对面维持干性，BATF/IRF4 处在效应程序一侧做桥接。箭头表示促进，钝端线表示抑制。这张概念图只刻画天然调控网络的布局，不含 DESynR 的任何数据。Nat Rev Immunol

真正新奇的是 Module 2 到 4。这三个模块几乎只属于强命中，而且它们对应的染色质区域在对照细胞里本就处于低可及甚至不可及的状态。换句话说，强命中打开的是一批对照 CAR T 细胞根本进不去的染色质，还借用了 Neuregulin（神经调节蛋白信号）、Myelination（髓鞘形成）、Smooth Muscle Contraction（平滑肌收缩）这类异源组织的基因模块。作者把这种没有天然对应物的状态命名为非天然 T 细胞状态（non-natural T cell states）DESynR.

一张图汇总现象层的全部证据：

图注：a 到 d 面板是单细胞 RNA 测序：UMAP 上强命中占据的 cluster 在对照与天然因子细胞里几乎为空，占据比例堆叠图也显示同样结论。e 到 i 面板是转录组与染色质的多组学视图：18,165 个差异开放位点聚成 4 个模块，Module 1 的耗竭基因在强命中里被压低，Module 2 到 4 打开的是对照本就低可及的染色质并富集异源通路与转录因子 motif。j 面板显示 PDCD1 等位点的染色质开放度与 RNA 表达轨迹。注意 j 面板是染色质加 RNA 轨迹，不是 PD-1 蛋白的流式结果。DESynR

4.2 机制层：TFlex 证明新结合位点是"涌现"的

现象很漂亮，但还差一层物理证据。染色质打开了，只能说明"那里有机会被访问"，不能证明重组转录因子真的结合到了那里。这个缺口由同实验室的后续工作 TFlex 补上。TFlex 把一种叫 Calling Cards 的技术改造成能在原代人 T 细胞里同时测多个转录因子全基因组结合位点的工具，一次测 8 个 bZIP 家族转录因子，其中 5 个正是 DESynR 的合成因子TFlex.

结果给出了全场最锋利的一个数字：在 JUN.FOS.BATF 自身的结合位点集合里，约 15% 的位点不与任何亲本（JUN、FOS、BATF）共享。注意这个数字的分母：它不是全基因组的 15%，而是 JUN.FOS.BATF 自己峰集合里的 15%。更难得的是，这 15% 的涌现位点在 bZIP motif 富集度上与亲本并没有差别，也就是说，DNA 结合域相同、motif 偏好相同，结合位置却不相同TFlex.这直接违背"换哪个 DNA 结合域，就结合哪些位点"的直觉，它说明重组出来的转录因子不能被还原为亲本功能的简单加和。机制层面的第二组数字同样反直觉：在 JUN 与 JUN.FOS.BATF 共享的结合位点上，约 40% 的基因在两个转录因子之间表达方向相反；与 BATF 相比这个比例约 30%TFlex.同一个位点，亲本往一个方向推，重组体往另一个方向推。

图注：a 面板画出 JUN.FOS.BATF 的三段结构：JUN 的 N 端、FOS 的 DNA 结合域、BATF 的 C 端。b 面板的热图把结合位点按共享模式分列，最右侧一列是只被 JUN.FOS.BATF 结合、三个亲本都不碰的位点，约占其峰集合的 15%；c 面板是各模式的峰数统计。d 面板是表达分歧散点：横轴是亲本过表达的 Log2FC，纵轴是 JUN.FOS.BATF 的 Log2FC，对角线之外的点就是方向相反的共结合基因。e 面板给了 TNFRSF1A 等示例基因的轨迹。TFlex

把现象层和机制层拼起来，结论就更清楚了，但两条证据覆盖的对象不同，得分清：多组学显示的是三个已测强命中（MAFF-ATF3-BATF2、BATF3-JDP2-BATF2、JUN-FOS-BATF）进入了非天然状态，那是对照 CAR T 细胞与天然因子都到不了的地方；TFlex 则进一步证明 JUN.FOS.BATF 的结合与调控不能还原为亲本之和。至于库里其余富集命中是否同样能打开这样的状态，目前还没有逐一验证，只能算待验证的推断。能创造新状态，就要为它的边界负责。下一章我们看这条路线离药还有多远。

5. 能做出进化没保留的状态，就能做成药吗？

5.1 用旧转录因子的路线，在临床撞上了天花板

回到第 1 章那张 LYL797 产品图。同一条"用天然转录因子"的路线，我们在第 1 章看到它走进 Phase 1，这里要给它的结局收账。LYL797 的数据不差：客观缓解率 40%、临床获益率 60%、9/9 实体瘤活检检出 CAR T、外周血扩增与干性表型维持都有证据。但 2024 年，申办者 Lyell 自己宣布终止了这个项目，公开解释是"治疗窗口不够宽"。好数据与坏结局并存，这才是这件事真正反常的地方：一个在临床上做出实体瘤浸润证据的产品，被它的制造者判定疗效、剂量与安全之间的可接受区间不够，2024 年 11 月正式终止NCT05274451。但这次终止，是一次针对单个复合产品的判定，不能直接读成"转录因子这个门类的普遍天花板"：LYL797 本身就是 ROR1 CAR、c-Jun 过表达与 Epi-R 工艺三件套的组合产物，它终止了，只能说明这一个具体组合的治疗窗口不够宽，既没有证明天然转录因子工程化这条路到头了，也没有证明单转录因子操控存在不可逾越的上限。Lyell 自己的下一步也印证了这一点：下一代产品 LYL119 并不放弃转录因子，而是在 c-Jun 之外再敲除耗竭相关转录因子 NR4A3，用更多机制的叠加去换一个更宽的组合JCI Insight。DESynR 想探索的正是组合的另一端：如果瓶颈出在组合而不是类别，那么把结构域重新排列，或许能绕开 LYL797 撞上的那道墙。但"或许"必须用独立证明来兑现。目前 DESynR 拿出的新状态与小鼠生存数据，都还不能替代对治疗窗口的检验；新组合能不能把疗效、剂量与安全之间的可接受区间真正撑开，需要专门证明，否则它与 LYL797 的差距，就还停留在设计层面。

5.2 两条路线，两种瓶颈

把两条路线摆在一起，各自的坐标就清楚了。DESynR 在找新的转录因子，已经打开了天然因子进不去的染色质；LYL797 在用旧的转录因子，已经跨过 IND（新药临床试验申请）进了临床，却因治疗窗口不足在 2024 年被申办者终止。

5.3 可行空间不等于临床可接受空间

第 1 章的问题现在有了完整回答。天然转录因子确实不是治疗上限，DESynR 用进化已验证的模块把搜索压缩进可折叠、可作用的邻域，再由反复抗原攻击下的功能筛选，找出了自然选择从未为治疗保留的组合。第 3 章到第 4 章的证据表明，被找出来的状态是真实的新状态，不是天然状态的加强版。

但"能做出进化没保留的状态"只是第一站。让新状态成为药，还要证明它同时是可控的状态。扩大可行序列空间，不等于扩大临床可接受空间：重组转录因子打开异源组织基因模块，本身就是一把双刃剑，它带来的脱靶表型、长期毒性、制造一致性，都还停留在小鼠每组 5 到 9 只的实验尺度之外，那是一整段尚未测绘的边界。结构域重组的价值主张成立，而它此刻的真实坐标，就落在"找得到"与"用得上"之间。这条路的下一步，就是在把搜索做对之后，把控制也做出来。

参考文献

本专题引用的核心资料如下，建议深入学习时阅读原文：

1. Evolutionarily guided transcription factor design programs novel T cell states（DESynR） — bioRxiv 2024.11.06.622344v1（正式发表于 Cell，2026）
2. Why genes in pieces?（Gilbert, Nature 1978） — Nature 271:501
3. Modular pooled discovery of synthetic knockin sequences to program durable cell therapies（ModPoKI） — Cell 2023
4. TFlex: Scalable transcription factor mapping uncovers the regulatory dynamics of natural and synthetic transcription factors in human T cell states — bioRxiv 2025.10.09.681414v1
5. Enhancing the potency of CAR-T cells against solid tumors through transcription factor engineering — JCI Insight 2025;10(14):e193048
6. speedingCARs: accelerating the engineering of CAR T cells by signaling domain shuffling and single-cell sequencing — Nature Communications 13:6555, 2022
7. LYL797 ROR1-targeted CAR T-cell therapy enhanced with c-Jun overexpression（Phase 1） — ClinicalTrials.gov NCT05274451
8. A percolation theory analysis of continuous functional paths in protein sequence space — PLOS ONE 19(12):e0314929, 2024
9. Regulators of CD8+ T cell exhaustion（Sun & Dong） — Nature Reviews Immunology 26:129-151, 2025