2024年6月,Nature Communications上发表文章《利用深度学习优化mRNA递送基因编辑的5'UTR设计》。
本文通讯作者为华盛顿大学电子与计算机工程系教授Georg Seelig,其研究领域主要涵盖DNA分子编程、基因表达调控编程及DNA信息存储。
近年来mRNA技术取得了突破性进展,但针对未翻译区(UTR)的优化研究仍相对不足。UTR在调控mRNA翻译效率和稳定性中扮演关键角色,尤其是5’UTR,其直接影响核糖体加载和翻译起始。目前常用的5’UTR多来源于血红蛋白基因,但研究表明,通过设计新的UTR序列可以进一步提升蛋白表达水平。
深度学习技术为预测5’UTR对翻译效率的影响提供了重要工具。例如,基于合成5’UTR文库开发的Optimus 5-Prime模型,可用于预测翻译效率。然而,该模型在序列长度、细胞类型泛化能力及实际应用验证方面仍存在局限性。本研究通过改进该模型,并在新的细胞环境中进行验证,进一步展示了基于深度学习的5’UTR设计在mRNA基因编辑中的应用潜力。
图1 通过5’ UTR预测蛋白质表达在不同细胞内泛化
1.Optimus 5-Prime的预测结果能够推广到不同的细胞类型
作者利用大规模平行报告分析(MPRA)评估了不同5'非翻译区(5'UTR)对mRNA翻译效率的影响,并探索了5'UTR的细胞依赖性。研究中设计的5'UTR序列分别在三种人源细胞HEK293T、HepG2和T细胞中进行了表达测量(图1B)。结果显示,不同细胞系中的翻译效率(MRL)具有高度相关性(图1C):HEK293T与T细胞之间的决定系数(r²)为0.837-0.870,与HepG2之间为0.847-0.871,T细胞内部重复实验的相关性为r²=0.814。虽然这些相关性略低于HEK293T重复实验之间的相关性(r²=0.938),但这可能归因于HEK293T数据质量的优势。随后,作者将这些实验数据与Optimus 5-Prime模型的预测结果进行对比(图1D)。预测结果与HEK293T实验结果的相关性最高(r²=0.937,图1E),而与T细胞和HepG2的相关性也较高(分别为r²=0.841和0.840)。对于HEK293T和T细胞,模型性能接近细胞重复实验之间的相关性,表明r²的绝对差异主要由HEK293T的较高数据质量引起。综上所述,通过HEK293T细胞中的MPRA观察结果,以及Optimus 5-Prime模型的预测结果,研究表明这些结果具有较好的可推广性,可应用于HepG2和T细胞中。
图2.基于模型的5'UTR设计方法用于mRNA基因编辑
2.全新设计的5'UTR提升megaTAL编码mRNA的基因编辑效率
为了提高基因编辑酶MegaTAL的基因编辑效率,作者使用Optimus 5-Prime模型设计了新的5'UTR序列。研究选择了TGFBR2基因的第六个外显子和PDCD1基因的第一个外显子作为目标,这些基因在T细胞中的敲除已被证明能增强抗肿瘤活性。作者设计了19个新的5'UTR序列,并选择了11个对照序列用于评估,包括8个在MPRA中测量过的序列,以及来自人类VAT1和LAMA5基因的序列。此外,还包括一个仅包含强Kozak序列的最小5'UTR,该序列已知能提高编辑效率。为了设计新的5'UTR,作者使用了Fast SeqProp和DENs两种方法。Optimus 5-Prime模型的结构与训练的MPRA文库保持一致:一个固定的25nt初始区域,后接一个可变的50nt片段。在Fast SeqProp方法中,通过优化Optimus 5-Prime预测的MRL(平均核糖体负载)来生成高效的序列。为了提高模型的准确性,研究还使用了变分自编码器(VAE)进行正则化,减少生成序列与训练数据的差异。通过这些方法,作者生成了1,024个候选5'UTR序列,并选择多个具有高预测MRL的序列进行基因编辑实验。
结果表明,随着mRNA剂量的增加,所有5'UTRs的编辑效率均有所提升。特别是在TGFBR2和PDCD1基因的编辑中,多个设计序列的效率超过了40%(TGFBR2)和80%(PDCD1)。编辑效率与强Kozak序列对照组标准化后,所有剂量水平的表现一致。然而,尽管Fast SeqProp设计的部分序列在MRL预测上表现优异,它们的编辑效率较低。编辑效率与MRL的预测呈现较强的线性关系,但某些序列偏离这一趋势。不同的5'UTR在TGFBR2和PDCD1基因的编辑表现有所不同,其中LAMA5在TGFBR2编辑中表现最佳,而VAT1与强Kozak对照相似。最后,在HepG2细胞中的重复实验进一步验证了这些设计的有效性,并展示了其细胞类型依赖性。
作者通过25nt长度的5’UTR MPRA(多重荧光探针报告基因分析)实验,系统性研究了不同序列元件在5’UTR不同位置对翻译效率的影响。结果显示,在随机端文库中,5'端附近的uAUG(上游起始密码子)对翻译效率具有显著影响,尤其是在uAUG未与预期的起始密码子对齐时,翻译效率明显下降。而当uAUG靠近5'端时,翻译效率的下降程度较小,暗示5'端区域可能存在特定的翻译调控机制。此外,研究还分析了嘧啶富集序列(如连续5个C/U)的影响,发现在5'UTR不同位置,这类序列在一定程度上能够提升翻译效率,尤其是在5'端附近,表明嘧啶富集序列可能在HEK293细胞中具有轻微的翻译促进作用。基于这一实验数据,作者开发了新模型 Optimum 5-Prime(25),专为随机端25nt的MPRA数据设计。模型借鉴了卷积神经网络VGG-16的结构,包含两个模块,每个模块由两层卷积层和一层池化层组成,最后通过两层全连接密集层计算出预测的MRL(翻译效率指标)(图3D)。在测试集中,该模型表现出良好的预测能力,决定系数(r²)达到了0.806(图3E)。
图4.通过设计短5’UTR提高MegaTAL基因编辑效率
4.通过设计短5’UTR序列来提高MegaTAL的基因编辑效率
作者利用Optimus 5-Prime(25) 模型设计了14个更短的5'UTR序列用于MegaTAL mRNA。首先,采用Fast SeqProp算法设计了10个预测翻译效率(MRL)最高的新5'UTR序列,并随机选择其中4个用于基因编辑实验。随后,作者训练了生成性神经网络(DEN),生成了1024个长度为25nt的5'UTR序列,以最大化MRL并增加序列多样性,并从中筛选出5个MRL最高的序列进行实验。为了评估VAE正则化的效果,作者使用变分自编码器(VAE)对5000个高MRL序列进行了训练,通过VAE的似然值作为正则化项,再次使用Fast SeqProp设计出10个新序列,随机选择其中2个用于后续实验。分析显示,这些方法设计的5'UTR序列大多以寡嘧啶重复序列(例如C或U重复)开头,说明算法捕捉并利用了此类序列基序对翻译效率的促进作用。作为实验对照,作者从随机末端25nt文库中选择了MRL最高的前0.25%的4个5'UTR序列进行比较。
实验结果表明,随着mRNA剂量的增加,模型设计的所有5'UTR序列在基因编辑效率上均有出色表现,尤其是在TGFBR2基因编辑中。一种由DEN生成的序列在所有剂量下的编辑效率均高于其他序列,在2pmol mRNA下的编辑效率达到了55.6%,相比LAMA5提高了18%–33%。进一步,在TGFBR2和PDCD1的组合实验中,经过Kozak标准化后编辑效率表现出高度一致性。此外,作者还在HepG2细胞中重复了相关实验,观察到所有设计的5'UTR序列依旧表现良好,尽管结果重复性较低,未能筛选出最佳序列。综上所述,基于Optimus 5-Prime(25)设计的5'UTR显著提升了基因编辑效率,特别是在TGFBR2 MegaTAL实验中表现尤为突出,为mRNA基因编辑工具的优化提供了强有力的支持。
本研究通过深度学习优化5'UTR设计,以提升mRNA的翻译效率。分析三种细胞类型的5'UTR文库后,研究发现5'UTR的功能具有明显的细胞类型相关性。结合训练模型进行序列优化,并通过基因编辑实验在不同基因靶标和细胞系中验证了设计的5'UTR的高效性。实验结果表明,模型设计的5'UTR在提升mRNA治疗效果方面展现出巨大应用潜力。
感兴趣的读者,可以添加小邦微信加入读者实名讨论微信群。添加时请主动注明姓名-企业-职位/岗位或姓名-学校-职务/研究方向。