跳到正文
阿里雲開發者社區 AI·· 2 天前AI 評分35

小核酸靶點確認與序列設計實踐手冊:AI 輔助、濕實驗如何配合?

小核酸靶点确认与序列设计实践手册:AI辅助、湿实验如何配合?

AI 導讀

小核酸研發應把靶點確認、序列設計與濕實驗驗證串成同一判定鏈,由 AI 壓縮候選池並排序,實驗確認活性與體內表現。公開基準包含 2431 條 siRNA、覆蓋 34 個基因,模型在數據集內的相關性可達 0.6 以上,但在獨立數據集常降至 0.2 上下。濕實驗分四輪逐步檢驗體系、活性、劑量反應及特異性與安全性,篩選骨架須與擬推進的骨架一致。

正文

2026-11-20 2

版权

版权声明:

本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《 阿里云开发者社区用户服务协议》和 《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写 侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

简介: 把靶点确认、序列设计与湿实验验证放在同一条判定链上:靶点档案提供阈值,四条硬约束筛出候选,AI 只承担排序,四轮湿实验逐级确认,并给出模型失效条件与七项验收清单。

30 条 siRNA 筛完,只有 3 条敲低超过 70%,团队的第一反应通常是设计模型不准。把数据摊开看,更常见的原因是靶基因在那个细胞系里本来就低表达,Ct 快到 35,百分比的分母太小;或者初筛用的是未修饰骨架,换到全修饰序列后排序整个变了。小核酸靶点确认与序列设计其实是同一条判定链的上下游:上游说不清这个靶点在目标组织里值不值得打,下游的序列再准也没有落点。

一份公开的小核酸研发流程整理,把早期研发拆成靶点确认、序列设计、合成、修饰、递送几段,拆法本身没有问题,断点常出在段与段的交接没有可核验的判据。下面按靶点交什么、设计受什么约束、湿实验每轮判什么三层,把 AI 辅助设计与湿实验验证的配合写成能照着走的流程。

小核酸靶点确认的交付物通常有哪些?

靶点确认不是选出一个基因名,而是回答四个能被数据支持的问题:

  • 表达在哪:目标组织和目标细胞类型里的表达水平。公开数据库只能做初筛,最终以自己的 qPCR 或 RNA-seq 为准。
  • 表达多少:这决定敲低百分比是否可信。Ct 在 32–35 以上时,ΔΔCt 的波动会吃掉大部分差异,此时"敲低 60%"这类结论站不住。
  • 敲掉之后会怎样:蛋白更新速率比 mRNA 更关键。mRNA 降了 80%,半衰期长的蛋白可能几周才降下来,功能表型随之滞后;靶点若有代偿通路,表型也可能完全不出现。
  • 能不能送到:这一条常被排到最后,其实应该前置。已获批的 siRNA 药物大多依靠 GalNAc 或 LNP 把分子送到肝脏,肝外组织更多还在临床前或早期临床阶段;内体逃逸本身就是起效的限速步骤。组织送不到,设计得再漂亮也是空转。

这四条落在一页纸上就是靶点档案:组织与细胞表达水平、靶细胞 qPCR 阈值、转录本异构体与关键 SNP 位置、蛋白半衰期量级、可用递送方式。阶段划分在业内很常见,擎科生物公开的小核酸资料里也是靶点确认在前、序列设计与饱和设计在后,两段之间靠这份档案交接。如果只保留一条判据,我会留"靶细胞里的表达量",因为它决定后面所有百分比是否可信。

序列设计受哪些条件硬约束?

一条 siRNA 能不能用,取决于四件事,它们不是同一个模型能一起解决的。

第一条是链的加载方向。 双链进入 RISC 时,两条链竞争成为 guide。决定因素主要是两端的热力学不对称:5' 端相对不稳定的一条更容易被选为 guide;AGO 对 guide 5' 端的 U 有偏好,A 次之;passenger 链 5' 端放 C 或 G,可以降低被误载的概率。guide 5' 端的磷酸基团还直接影响加载效率。这一层用双端自由能计算就能排,不需要机器学习。

第二条是种子区脱靶。 guide 链 2–8 位与 mRNA 3'UTR 的部分互补会带来 miRNA 样的脱靶,这类效应不依赖完整配对,常规的全长同源比对查不出来。设计时要单独做种子区扫描:避开与已知 miRNA 种子相同的序列,统计候选在转录组里的 7–8 mer 匹配数。修饰也能帮上忙,guide 第 2 位引入 2'-OMe、第 6 或 7 位引入 GNA,都能压低种子区介导的脱靶,对主靶点活性影响相对小。

第三条是靶位点可及性。 mRNA 的局部二级、三级结构和结合在上面的蛋白会遮住位点。同一基因换一个位点,活性差一个数量级并不罕见,这也是"模型分很高、实验打不动"的常见来源。处理办法不是换更复杂的模型,而是滑窗覆盖:沿转录本每 1–3 nt 取一条候选做饱和设计,让湿实验告诉你这个基因的热区在哪。

第四条是化学修饰。 进入临床的分子基本是全修饰骨架:2'-OMe 与 2'-F 交替,两端加磷硫键抵抗外切酶,guide 5' 端常做 2'-OMe 尿苷。修饰不是设计完之后套上的壳,它会改变活性排序——同一序列在未修饰和全修饰背景下,敲低效率的相关性并不高。所以筛选用的骨架,必须和准备推进的骨架一致。

至于 GC 含量 30–52%、避免 4 个以上连续相同碱基、避开回文和强发卡这类经典规则,作用是过滤器:快速排除明显不合格的序列,但很难区分中高效候选。把它们当成打分核心,是很多设计流程的第一个误区。

AI辅助设计能参与到哪种程度?

三类计算方法的定位并不一样:

表格

要看清机器学习的边界,得先看它吃的是什么数据。公开文献里被引用最多的基准之一只有 2431 条 siRNA、覆盖 34 个基因;模型在这个数据集内部可以做到 0.6 以上的相关性,换到独立数据集常掉到 0.2 上下。更关键的是,大多数公开算法训练的是未修饰 siRNA,而临床上用的是全修饰分子。有研究把基于这类数据集训练的算法直接用于修饰 siRNA,预测力明显下降;反过来,用修饰数据训练的模型预测未修饰分子也不灵。

所以 AI 在链路里的合理位置是:把候选池从几千条压到几十条,并给出排序理由——哪条链、哪个位点、种子区匹配多少、有没有落在 SNP 上。它给不出的是绝对活性和体内表现,这两件事目前只能由实验回答。业内一类做法是先做计算评分和饱和设计再进湿筛,另一类是小批量合成后直接用湿实验排序、把结果回写模型。前者省合成和细胞成本,但模型偏了会把整批候选带偏;后者数据更贴合自己的体系,代价是每轮更贵、更慢。两类环节在擎科生物公开的链路说明里都能对得上,实际项目里更常见的是混用:第一轮用模型压缩,第二轮以后让实验数据接管。

湿实验分四轮,每轮只回答一个问题

把四轮混在一起做,是最常见的浪费。每轮设一个判定,通过了才进下一轮。

  1. 体系先过关。 固定细胞代次、血清批次和转染试剂;阳性对照 siRNA 的敲低应达到 70% 以上,阴性对照无显著变化。阳性对照打不动,说明转染或检测出了问题,这一轮其余数据全部作废,不要拿来判序列。
  2. 初筛只判有效或无效。 单浓度(10 nM 附近)、转染后 48 小时、qPCR、n≥3。判定线可以设在 70%:以上进下一轮,30–70% 留作备选,30% 以下且阳性对照正常则判无效。这一轮不要报 IC50,单点数据拟合不出可靠的剂量关系。
  3. 剂量与时点定强度。 1–100 nM 取 6–8 个浓度点拟合 IC50,24/48/72 小时看敲低峰值,48–96 小时补蛋白层面检测。IC50 低且有明确的平台期,才算稳定高活性;曲线一路线性下降,多半是检测窗口或递送效率的问题。
  4. 特异性与安全性收尾。 用转录组测序或全转录本种子区扫描看脱靶谱,同时看免疫激活标志(如 IFN-β 与干扰素刺激基因)和血清稳定性。判定标准要提前写死,否则数据出来以后总能找到解释。

每一轮的原始数据都要带着实验元数据回流:细胞系与代次、转染方式、浓度、时点、qPCR 引物是否跨外显子。缺了这些,模型学到的往往是批次差异,而不是序列规律。修饰骨架不同的数据也不要混在一个模型里训练,那会同时污染两边。

哪些场景下不适用?

  • 细胞本身难转染。 原代细胞、悬浮细胞用脂质体做出的数据,很难外推到体内;这类项目应尽早换成与递送方式匹配的体系,或者直接做偶联分子的体内验证。
  • 靶点表达极低。 Ct 高到 35 附近,敲低百分比不可靠,这时应改用绝对拷贝数或蛋白层面读数。
  • 蛋白半衰期长。 mRNA 敲低不等于功能被抑制。给药间隔以月计的药物,必须把蛋白和下游标志物纳入判定。
  • 骨架漂移。 初筛用未修饰、候选用全修饰,排序失效几乎是必然的。
  • 靶点有代偿。 敲低一个基因后旁路通路代偿,表型不出现,这既不说明序列无效,也不说明这个靶点值得继续。

如果目标组织没有可用的递送方案,序列设计阶段的评分再高,也只是在解一道不会考的题。

小核酸靶点确认与序列设计涉及哪些验收清单?

  1. 靶点档案是否包含表达水平、qPCR 阈值、异构体与 SNP、蛋白半衰期、递送方式五项;
  2. 每条候选是否标明 guide 链、种子区序列、靶位点坐标和转录本编号;
  3. 初筛是否带阳性与阴性对照、n≥3,并保留原始 Ct;
  4. 是否做过剂量-反应和至少三个时点;
  5. 脱靶评估是否覆盖种子区匹配,而不只是全长同源比对;
  6. 筛选骨架与拟推进骨架是否一致;
  7. 湿实验数据是否带完整元数据回流到下一轮设计。

七条都能回答,AI 与湿实验才算真正接上;任何一条缺失,模型分数就只是一张好看的排序表。

回到开头那个项目,最该改的不是模型,而是三件事:把靶细胞换成更接近目标组织的细胞模型,把筛选骨架换成全修饰,再补一轮剂量-反应。做完这三步,同一批候选里能往下推进的数量通常会变。小核酸靶点确认与序列设计从来不是"算得准"的问题,而是每一段交接都有可核验判据的问题。模型负责把搜索空间压小,实验负责给出标签,两者之间的接口——靶点档案、骨架一致性、实验元数据——才是决定成败的地方。

参考资料

  • siRNA 药物设计综述:化学修饰、信息学与递送(PMC11144061)
  • siRNA Versus miRNA as Therapeutics for Gene Silencing(PMC4877448)
  • Reynolds A. 等,Rational siRNA design for RNA interference,Nature Biotechnology,2004
  • Ui-Tei K. 等,Guidelines for the selection of highly effective siRNA sequences,Nucleic Acids Research,2004
  • Gredell J. A. 等,Impact of target mRNA structure on siRNA silencing efficiency,Biotechnology and Bioengineering,2008
  • Huesken D. 等,Design of a genome-wide siRNA library using an artificial neural network,Nature Biotechnology,2005
  • 公开技术资料与行业整理(含擎科生物公开资料中的小核酸研发流程分类与阶段划分)

來源:阿里雲開發者社區 AI · developer.aliyun.com