در مقاله ای که اخیراً در مجله منتشر شده است طبیعتمحققان از یک مفهوم کلاسیک در زبان شناسی محاسباتی برای طراحی الگوریتم جدیدی به نام LinearDesign استفاده کردند که پایداری ساختاری و استفاده از کدون توالی های اسید ریبونوکلئیک (mRNA) پیام رسان را بهینه می کرد. به عنوان مثال، با استفاده از این الگوریتم، محققان می‌توانند توالی‌های mRNA را که پروتئین اسپایک (S) کروناویروس ۲ (SARS-CoV-2) سندرم حاد تنفسی را کد می‌کنند، بهینه کنند و از آن در واکسن‌های بیماری کروناویروس ۲۰۱۹ (COVID-19) مبتنی بر mRNA استفاده کنند.
مطالعه: الگوریتم طراحی mRNA بهینه شده، پایداری و ایمنی زایی را بهبود می بخشد. اعتبار تصویر: metamorworks / Shutterstock
زمینه
همه واکسن‌های مبتنی بر فناوری mRNA نسبتاً جدید از محدودیت‌های مشترکی مانند بی‌ثباتی mRNA و انحطاط سریع رنج می‌برند که به نوبه خود منجر به بیان ضعیف پروتئین و متعاقباً به خطر افتادن ایمنی‌زایی و داروپذیری همه محصولات واکسن mRNA می‌شود. همچنین ذخیره، توزیع و کارآیی همه واکسن‌های mRNA، از جمله واکسن‌های کووید-۱۹ و ویروس واریسلا-زوستر (VZV) را به‌شدت مختل می‌کند.
بنابراین، نیاز فوری به یک الگوریتم طراحی mRNA اصولی وجود دارد که به طور همزمان پایداری و استفاده از کدون توالی‌های mRNA کدکننده را برای بهبود بیان پروتئین بهینه کند. با این حال، با توجه به فضای جستجوی بسیار بزرگ، کاری خسته کننده است. ~ 10632 توالی mRNA وجود دارد که 1273 اسید آمینه گلیکوپروتئین SARS-CoV-2 S را به دلیل افزونگی ذاتی در کد ژنتیکی رمزگذاری می کند. در واقع، این چالش محاسباتی غیرقابل حل، فضای وسیع طرح‌های mRNA بسیار پایدار را ناشناخته گذاشته است.
در مورد مطالعه
در مطالعه حاضر، محققان از یک خودکار حالت محدود قطعی (DFA) برای فرموله کردن فضای طراحی برای چندین کاندید mRNA و تجزیه شبکه برای ایجاد پایدارترین mRNA در DFA استفاده کردند. به همین ترتیب، آنها تلاش کردند تا تعادل بهینه بین پایداری mRNA و استفاده از کدون را در یک DFA وزن دار پیدا کنند.
ابتدا، این تیم یک توالی mRNA را با کمترین تغییر حداقل انرژی آزاد (MFE) در تمام توالی‌های mRNA ممکن شناسایی کردند، به عنوان مثال، برای mRNAهایی که پروتئین SARS-CoV-2 S را کد می‌کنند. مدل استاندارد انرژی تاشوی RNA به محققان کمک کرد تا ساختار MFE را در میان تمام ساختارهای mRNA ثانویه احتمالی هر توالی mRNA کاندید فیلتر کنند، به‌عنوان مثال، آنها نوعی استراتژی کمینه‌سازی در یک کمینه‌سازی را اعمال کردند. آنها همچنین روی بهینه کدون کار کردند که با شاخص تطبیق کدون (CAI) اندازه گیری شد و به عنوان میانگین هندسی سازگاری نسبی هر کدون در یک توالی mRNA تعریف شد.
به طور خاص برای پروتئین SARS-CoV-2 S، این تیم از هشت توالی mRNA استفاده کردند و از الگوریتم LinearDesign برای هفت توالی، یعنی AG استفاده کردند. آنها اینها را در فضای طراحی با MFE پایین توزیع کردند و پنج آمینو اسید اول را هنگام اجرای الگوریتم حذف کردند. اگرچه LinearDesign بهینه سازی منطقه ترجمه نشده (UTR) را مورد توجه قرار نداد فی نفسهمولکول های mRNA طراحی شده با ساختار UTR های پرکاربرد تداخل چندانی نداشتند.
نتایج
در واکسن کووید-19، LinearDesign به طور قابل توجهی نیمه عمر mRNA و بیان پروتئین را با استفاده از دو آنتی ژن ویروسی در سه ویژگی حیاتی برای عملکرد واکسن بهبود بخشید: پایداری، ترجمه پروتئین، و ایمنی زایی in vivo. علاوه بر این، به طور چشمگیری تیتر آنتی بادی را تا 128 برابر افزایش داد in vivoدر مقایسه با توالی mRNA معیار بهینه‌سازی کدون H. یک واکسن mRNA COVID-19 با استفاده از توالی H معیار ایمنی‌زایی بالایی را در دو مدل حیوانی نشان داد و وارد فاز یک کارآزمایی بالینی در چین شد.
این طرح mRNA اصولی هیچ تغییر شیمیایی نداشت. با این حال، پایداری، کارایی ترجمه و ایمنی زایی بالا را نشان داد. مزیت دیگر آن هزینه ساخت پایین آن است. علاوه بر این، یک مولکول mRNA با MFE پایین تر، ساختارهای ثانویه بیشتری دارد، شکل فشرده تری را نشان می دهد و اندازه هیدرودینامیکی کوچکی دارد. بنابراین با الکتروفورز سریعتر حرکت کرد. بنابراین، محققان مشاهده کردند که توالی‌های mRNA A-H که بر روی ژل آگارز غیردناتوره‌کننده بارگذاری شده‌اند، علی‌رغم داشتن وزن‌های مولکولی مشابه، نرخ تحرک بالاتری داشتند، که با MFEs محاسبه‌شده برای این توالی‌ها مرتبط بود.
در طراحی mRNA VZV، با یک جفت UTR متفاوت، LinearDesign نیز پیشرفت‌های قابل‌توجهی را نشان داد، که نشان می‌دهد استحکام LinearDesign در بهینه‌سازی منطقه کدگذاری مستقل از جفت‌های UTR است. بر این اساس، تمام توالی‌های mRNA تولید شده توسط LinearDesign با سه UTR مختلف قوی‌تر نشان دادند. درونکشتگاهی بیان پروتئین در تمام معیارها، بنابراین، نشان می‌دهد که طراحی منطقه کدگذاری و مهندسی UTR رویکردهای مکملی هستند که می‌توانند در کارهای آینده ترکیب شوند.
نتیجه
هنگامی که مدل انرژی مربوطه در دسترس می شود، الگوریتم مطالعه می تواند برای اصلاح نوکلئوتیدها سازگار شود. اگرچه در حال حاضر، تنها پایداری و استفاده از کدون را به دلیل تعمیم‌پذیری نمایش شبکه در نظر می‌گیرد، اما در آینده می‌تواند به بهینه‌سازی سایر پارامترهای مرتبط با طراحی mRNA کمک کند. مهمتر از آن، این یک روش کلی برای طراحی مولکول است که می تواند به طراحی انواع پروتئین های درمانی، از جمله آنتی بادی های مونوکلونال و داروهای ضد سرطان کمک کند.
چگونه می توان واکسن های mRNA کووید را برای افزایش 128 برابری در آنتی بادی ها، افزایش 5 برابری در پایداری و افزایش 3 برابری در بیان پروتئین افزایش داد؟#AI @Naturehttps://t.co/hicHluvB7N
همچنین با واکسن mRNA ویروس فاستر واریسلا انجام می شود pic.twitter.com/xEbsi5tHaK– اریک توپول (@EricTopol) 2 مه 2023