AI 赋能可扩展且可编程的 RNA 设计
AI empowers scalable and programmable RNA design.
功能性 RNA 设计是合成生物学和 RNA 治疗的核心。近期 AI 进展利用三级结构解读功能并指导序列生成，取代传统试错流程。AI 模型辅助的实验方法持续扩展结构数据基础，最终实现可扩展和可编程的 RNA 设计。
RNA既能感应小分子、蛋白质与其他核酸，又携带翻译指令，因而长期被视为合成生物学与RNA治疗中功能设计的核心底物，但可感应分子的范围与新的作用机制难以拓展，一直制约着这个领域兑现承诺 [1]。在计算端，设计以往主要停留在二级结构层面：基于精确热力学参数的ViennaRNA等工具可以计算能量最稳态与碱基配对概率 [2]，RNAComposer则能从用户定义的二级结构出发，在数秒内自动组装出大分子RNA的三维模型 [5]。然而决定功能的终究是三维折叠，实验结构解析远远跟不上设计与发现的速度——即便冷冻电镜结合化学探测与计算建模的Ribosolve流程，也只是在11个119至338个核苷酸的RNA上获得亚纳米级的全局构架，且不解析原子细节 [4]。
深度学习正在改写这一局面。基于约2370万条RNA序列预训练语言模型的RhoFold+，在RNA-Puzzles与CASP15基准上超过了包括人类专家组在内的既有方法 [7]；trRosettaRNA先用transformer网络预测几何约束、再经能量最小化折叠，在CASP15盲测中与顶尖人类预测相当，作者也坦承对合成RNA的自动预测仍是难点 [8]。设计端亦有先行者：结构到序列的深度生成平台已经能够从头设计出经实验验证具有荧光活性的RNA适配体 [6]。不过就整体而言，功能RNA设计仍未摆脱试错式流程，而RNA结构柔性造成的实验数据稀缺，恰恰是深度学习方法最大的掣肘 [7]。
这篇论文正是在此背景下，论证AI如何把RNA设计推向规模化与可编程化。其核心主张是：最新的AI进展已能利用三级结构解读RNA功能，并据此引导序列生成，从而取代传统试错式工作流；与此同时，由AI模型辅助的实验方法持续扩充结构数据基础，并最终支撑起可扩展、可编程的RNA设计。相对于既有认识，其推进在于把以往相对割裂的环节衔接起来：结构刻画从二级结构的热力学计算 [2] 与模板式组装 [5]，走到数据驱动的深度学习 [7][8]；相较于针对适配体的结构引导生成设计 [6]，本文主张的是覆盖更广、以结构解释功能并按功能生成序列的设计范式；而让AI辅助实验来反哺结构数据，则直指深度学习方法受制于数据稀缺这一软肋 [7]。
当然，摘要并未展开具体设计实例与验证细节。悬而未决的问题依然清晰：设计出的RNA在细胞内是否如预期折叠仍属未知，体内DMS探测已表明RNA结合蛋白与ATP依赖的解旋酶会使细胞内结构偏离体外热力学预测 [3]；现有混合实验流程尚达不到原子分辨率 [4]，合成RNA的结构预测难题也未破解 [8]，可感应分析物的范围与作用机制仍有待拓宽 [1]。这些都是可编程RNA设计真正走向应用之前必须跨越的门槛。
- 1.Engineering synthetic RNA devices for cell control · Nat Rev Genet 2022
- 2.ViennaRNA Package 2.0 · Algorithms Mol Biol 2011
- 3.Genome-wide probing of RNA structure reveals active unfolding of mRNA structures in vivo · Nature 2014
- 4.Accelerated cryo-EM-guided determination of three-dimensional RNA-only structures · Nat Methods 2020
- 5.Automated 3D structure composition for large RNAs · Nucleic Acids Res 2012
- 6.Deep generative design of RNA aptamers using structural predictions · Nat Comput Sci 2024
- 7.Accurate RNA 3D structure prediction using a language model-based deep learning approach · Nat Methods 2024
- 8.trRosettaRNA: automated prediction of RNA 3D structure with transformer network · Nat Commun 2023
文章指出AI利用三级结构指导RNA设计，可替代传统试错流程，为核酸药物开发提供可扩展范式。