Nature|生成式AI从头构建合成蛋白质RNA递送载体

离子
2026-09-29 18:02:33
人工智能
生命科学
技术教程

病毒经过数十亿年进化,形成了高效包装和转移遗传物质的能力。尽管病毒种类极其丰富,其衣壳却大多趋向大型多聚体以及二十面体或螺旋对称结构。研究人员提出,天然病毒的这些结构是否真正代表人工RNA递送系统的最优方案?生成式人工智能已经能够创造自然界中不存在、但物理上可实现的蛋白质结构,因此可以绕开天然进化轨迹,直接探索全新的核酸运输架构。


研究人员利用AI设计的合成蛋白质组装体与天然功能蛋白结构域进行模块化组合,建立了100多种合成转运载体(synthetic transfer vehicle,STV)。这些载体具有天然病毒中少见的环状、二面体对称性和开放式低复杂度结构。通过多维筛选,研究人员最终获得具有C8平面对称性的STV-C8。其RNA转移效率比多种已有生物递送载体明显更高,与临床相关脂质纳米颗粒相比,在细胞中的转染效率提高超过1,000倍,而达到相同蛋白表达所需的RNA剂量降低超过10,000倍。


STV-C8还能够通过计算设计的受体结合肽重新编程细胞靶向性,并递送报告RNA、转录因子、CRISPR基因编辑器和可编程抗病毒系统等多种RNA。在小鼠中,研究人员以接近单细胞分辨率观察到静脉注射后主要集中于肺部的表达,同时未发现明显免疫和毒理反应。进一步将CRISPR–Cas9递送至Duchenne肌营养不良症(DMD)患者来源细胞和猪肌肉后,成功删除了dystrophin基因外显子51。该研究证明,生成式AI创造的非天然蛋白质架构可以成为构建新一代RNA运输系统的基础。



 
天然选择并不一定寻找所有可能设计中的全局最优解,而是在特定生态环境和进化历史约束下形成可行方案。病毒就是典型例子。绝大多数病毒依赖大型多聚体蛋白质衣壳包装基因组,并普遍采用二十面体或螺旋对称结构。这些衣壳需要承受复杂环境压力,因此具有很高的结构稳定性。然而,当病毒蛋白被重新用于人工基因递送时,许多原本由自然选择塑造的特征可能并非必需,甚至可能限制载荷容量和工程灵活性。


生成式蛋白质设计为突破这种限制提供了新的可能。RFdiffusion等模型可以产生自然界中不存在的二十面体、二面体和环状对称蛋白质组装体,而且尺寸和拓扑具有很大的设计自由度。研究人员由此提出,与其不断改造天然病毒衣壳,不如从最基本的功能模块出发重新构建RNA递送系统。


其基本思想是保留病毒中真正需要的功能——RNA结合、膜定位、出芽和进入靶细胞——但不保留天然病毒衣壳的整体结构。研究人员将这些功能模块与AI设计的非天然蛋白质组装体重新组合,由此建立一种“自下而上”的RNA递送体系。



方法


研究人员首先选择RFdiffusion设计的不同二十面体、二面体和环状对称蛋白质组装体,并分别融合膜结合结构域、人工构建的出芽结构域SynL以及高亲和力RNA结合蛋白tdPCP,使目标RNA携带相应PP7包装信号,同时利用VSV-G实现靶细胞进入。随后建立同时评价载体释放、细胞摄取和RNA表达的三维筛选体系,从39种不同对称性的初始STV中寻找高效结构,并进一步生成30种C8组装体以及筛选29种不同来源的膜结合结构域,最终得到STV-C8。研究人员通过RNA测序、蛋白质组学、冷冻电子断层成像和AlphaFold结构预测分析其组成与结构,并与VLP、EPN、SEND和LNP比较RNA递送效率。随后通过计算设计的EGFR和IL-7Rα结合肽赋予细胞靶向性,并测试1–10 kb RNA包装以及多种治疗相关RNA。最后在小鼠中进行全身分布和安全性分析,并在猪肌肉和DMD患者来源细胞中验证CRISPR–Cas9介导的dystrophin外显子51删除。


 
图1 AI设计蛋白质组装体与天然功能结构域组合构建STV,以及载体释放、摄取和RNA递送的多维筛选流程


 


结果


AI设计的非天然对称结构产生高效RNA递送载体


研究人员最初使用具有天然病毒类似二十面体对称性的HE0902作为组装骨架,证明将膜结合、出芽和RNA结合模块连接到合成蛋白质组装体后,可以实现RNA包装、释放以及向靶细胞转移。


随后研究人员开始探索真正不同于天然病毒的结构。39种STV覆盖二十面体、D4、D3、C6和C8等多种对称形式。结果令人意外:天然病毒最常见的二十面体结构并不是最佳选择,采用二面体和环状对称性的STV整体表现更好,尤其是环状结构能够以更少的包装蛋白转移更多RNA。


其中C8对称的HE0690表现突出。研究人员随后围绕这一结构继续扩展设计空间,并筛选不同膜结合模块,最终发现来源于美洲黑熊的一个此前未表征PH结构域具有很高的RNA包装和转移能力。由UaPHPLC、SynL、tdPCP和AI设计的HE0690共同构成的最终载体被命名为STV-C8。



STV-C8以开放式组装实现超高效RNA运输


STV-C8的结构明显不同于经典病毒衣壳。冷冻电子断层成像显示,其诱导形成直径约50–300 nm的膜性囊泡,其中多数约110 nm;囊泡内部可观察到大量直径约22 nm的STV-C8蛋白质组装体。与病毒将RNA封装于完整蛋白质壳内部不同,研究结果提示RNA可能结合于STV-C8寡聚体外表面,再由外围膜结构提供保护。


这种非天然架构反而带来显著的递送优势。STV-C8在VeroE6、HEK293T、HepG2和神经母细胞瘤细胞中的EGFP mRNA递送均优于SEND、VLP和EPN等遗传编码系统。与采用临床相关离子化脂质ALC-0315构建的LNP相比,STV-C8达到相同细胞转染比例所需的RNA量显著降低:其转染效率超过LNP 1,000倍,而获得相同蛋白表达水平所需RNA剂量降低超过10,000倍。


STV-C8还能够包装1–10 kb的RNA而未观察到明显容量上限。这可能正是开放式RNA结合方式带来的优势——不需要把全部RNA塞进固定大小的蛋白质衣壳,因此能够突破天然病毒载体常见的载荷尺寸限制。
 



图2 STV-C8的结构、RNA包装特征、冷冻电镜观察,以及与VLP、SEND、EPN和LNP的RNA递送效率比较



计算设计结合肽赋予可编程细胞靶向性


高效率之外,RNA递送系统还需要决定“送到什么细胞”。研究人员进一步将AI蛋白质设计扩展到靶向模块,利用计算设计的EGFR或IL-7Rα受体结合肽修饰STV-C8表面,并配合失去天然受体结合能力、但保留膜融合功能的VSV-G突变体。


结果显示,携带EGFR结合肽的STV-C8优先进入EGFR阳性细胞,而IL-7Rα结合版本则优先进入IL-7Rα阳性细胞。当靶细胞同时表达两种受体时,同时携带两种结合模块还能进一步增强摄取。


这意味着STV-C8并不是固定组织嗜性的单一载体,而更接近一个模块化递送平台:核心蛋白质组装体负责RNA包装和出芽,表面结合模块负责识别特定细胞,而融合模块负责进入细胞。通过替换这些组件,理论上可以针对不同疾病重新编程递送特性。



STV-C8可递送基因编辑器、转录因子和可编程抗病毒RNA


研究人员随后测试STV-C8是否能够处理真正具有治疗意义的复杂RNA。首先,STV-C8能够将EGFP mRNA递送进入人iPS细胞来源的视网膜色素上皮球体,而且信号不仅出现在外层,还深入多层组织内部;在人原代单核细胞和小鼠原代皮质星形胶质细胞中同样观察到高效递送。


递送Ascl1转录因子mRNA后,超过30%的星形胶质细胞表达ASCL1。进一步包装Cas9 mRNA及两条sgRNA后,STV-C8能够在猪原代成纤维细胞中删除dystrophin外显子51,删除频率约40%。


研究人员还将可编程RNA靶向系统Cas13d-NCS与针对SARS-CoV-2的crRNA共同包装。在人iPS细胞来源肺细胞中,STV-C8成功递送该系统,并几乎完全阻断SARS-CoV-2-GFP复制。此外,载体在接触人血液、血清和外周血单核细胞后仍保持RNA递送能力。
 



图3 STV-C8向视网膜球体、单核细胞和星形胶质细胞递送RNA,并递送Cas9和Cas13d实现基因编辑与抗病毒作用



小鼠全身分布及DMD基因编辑验证治疗潜力


在动物实验中,研究人员静脉注射携带EGFP mRNA的STV-C8,并通过全身透明化和光片显微成像以接近单细胞的分辨率分析其体内分布。结果显示,RNA表达高度集中于肺部,而在许多脂质递送系统常见的主要靶器官肝脏中没有检测到明显表达。研究人员同时未观察到明显免疫反应或毒理学副作用。


更进一步,研究人员将Cas9 mRNA和靶向dystrophin外显子51两侧内含子的sgRNA包装进入STV-C8,并局部注射至猪肌肉。处理后PCR和测序均证实外显子51成功删除,而且局部组织没有观察到明显免疫反应。


同样的方法应用于DMD患者来源、缺失外显子52的骨骼肌细胞后,也成功删除了外显子51并恢复DMD开放阅读框。研究人员强调,局部肌肉注射并不能直接解决全身性DMD治疗所需要的递送问题,但在大型动物和患者来源细胞中实现基因编辑,为进一步开发提供了重要概念验证。
 



图4 STV-C8在小鼠中的近单细胞分辨率全身分布,以及在猪肌肉和DMD患者来源细胞中的CRISPR–Cas9外显子51删除


讨论


这项研究最重要的思想,是不再把天然病毒视为RNA递送系统必须模仿的最终模板。传统工程策略通常从病毒衣壳、病毒样颗粒或天然细胞蛋白出发进行改造,而研究人员提出一个更基础的问题:病毒今天的结构是数十亿年自然选择产生的结果,但自然选择解决的是病毒生存和传播,而不是现代医学所要求的RNA治疗递送。因此,天然病毒结构未必是人工治疗载体的全局最优解。


STV-C8很好地体现了这一观点。它没有形成经典大型封闭衣壳,而是使用相对简单的C8平面对称蛋白质组装体,并可能将RNA结合在寡聚体表面,再利用细胞膜包裹形成运输囊泡。尽管这种结构明显偏离天然病毒,其RNA转移效率反而超过多种天然来源和化学递送系统。研究人员因此认为,摆脱进化限制可能有利于从头构建RNA运输载体。


更重要的是,这项工作展示了生成式AI蛋白质设计与模块化合成生物学的结合。AI并没有一次性“生成完整RNA载体”,而是负责创造自然界中不存在的结构骨架;RNA结合、膜结合、出芽、膜融合和受体识别则分别由天然结构域、人工组合模块和计算设计结合肽完成。最终得到的系统因此既具有AI创造的新颖结构,又保留经过生物学验证的功能模块。


这一策略也非常适合当前生成式蛋白质模型的能力边界。现阶段模型已经非常擅长设计稳定、对称的静态蛋白质组装体,但设计复杂动态机器或全新的酶催化功能仍然困难。RNA载体恰好允许将AI最擅长的静态组装设计作为结构核心,再借助天然功能域实现复杂生物学行为。


当然,STV-C8距离成熟临床递送系统仍有明显距离。当前体内实验规模有限,小鼠静脉给药主要表现出肺部嗜性,而DMD实验采用的是猪肌肉局部注射。对于DMD这样的全身肌肉疾病,未来必须解决系统给药后骨骼肌和心肌靶向、剂量、重复给药、长期免疫原性和规模化生产等问题。论文也明确指出,目前的肌内递送不能直接等同于可应用的DMD治疗方案。


总体而言,这项研究建立了一条不同于传统病毒载体工程的新路线:不再从天然病毒开始不断改造,而是从RNA运输所需的基本功能出发,利用生成式AI创造自然界不存在的蛋白质组装骨架,再逐层加入包装、出芽、融合和靶向模块。100多种STV以及最终STV-C8的出现说明,可探索的RNA载体结构空间远大于天然进化已经提供给我们的有限模板。


因此,这项工作的意义不仅是发现了一个高效RNA载体,更重要的是证明了一个新的工程原则:进化产生的结构只是生物学设计空间中的一部分,而生成式AI能够帮助研究人员探索进化从未走过的区域。 当这种能力与模块化生物工程、细胞靶向和基因编辑结合后,未来的核酸递送载体可能不再只是“工程化病毒”,而是真正按照治疗需求从头构建的人工生物运输系统。


参考资料


Schuhmacher, M.K., Gruber, C., Lang, C.M.R. et al. Creating bottom-up RNA transfer vehicles from synthetic protein assemblies. Nature (2026).https://doi.org/10.1038/s41586-026-10952-3
--------


本文转载于 DrugOne:https://mp.weixin.qq.com/s/uErwpfzDFQiGD1eQw1BMMA

63
0
0
0
关于作者
相关文章
  • 数据高效且可解释!解耦变分自编码器开启逆向材料设计新时代 ...
    本文解读研究——基于解耦变分自编码器(Disentangled Variational Autoencoder, DVAE ...
    了解详情 
  • 告别“快不准、准不快”:粗粒度玻尔兹曼生成器 CG-BG,重新定义 ...
    本文解读研究《 Coarse-Grained Boltzmann Generators 》。该模型统一了粗粒度降维与玻尔兹曼生 ...
    了解详情 
  • Cell | D-SPIN:基于Ising物理模型的可解释生成式基因调控网络推 ...
    当下Perturb-seq数据爆发期从扰动数据出发的可解释、可生成的GRN推断框架的空白有待填补Replogle ...
    了解详情 
  • Cell :D-SPIN 从单细胞转录组构建调控网络,解析细胞扰动响应底 ...
    本文解读Cell 2026的研究《 D-SPIN constructs regulatory network models from scRNA-seq ...
    了解详情 
领取成功
本月5个550bit真机配额已发放给您,配额将在2个月后到期,请及时使用哦~
活动中心
联系我们
二维码
返回顶部
返回
活动中心

完成任务,轻松获取真机配额

×
每日必做
新手任务
长期任务
其他任务
快速回复 返回顶部 返回列表
玻色有奖小调研
填写问卷,将免费赠送您1个1000bit真机配额
(单选) 您是从哪个渠道得知我们的?*
您是从哪个社交媒体得知我们的?*
您是通过哪个学校的校园宣讲得知我们的呢?
取消

提交成功

真机配额已发放到您的账户,可前往【云平台】查看

量子AI开发者认证

考核目标

开发者能够成功搭建Kaiwu-PyTorch-Plugin项目基础环境,并成功运行示例代码,根据示例提示,输出指定的值并填写至相应的输入框中。

通过奖励

5个一年效期的1000量子比特真机配额

专属「量子AI开发者」社区认证标识

开发者权益

每月固定权益:5个550量子比特真机配额
前往考核

第一步

按照README提示成功安装Kaiwu-PyTorch-Plugin库环境依赖
前往GitHub

第二步

运行 community-assessment 分支下的 run_rbm.py 代码示例

第三步

理解示例代码,手动打印并填写如下数值:

正相采样的状态

负相采样的状态

正相的能量值

负相的能量值

*

提交答案

开发者权益

每月固定权益:5个550量子比特的真机配额

恭喜您完成考核

您将获得量子AI开发者认证标识及考核奖励

1000 bit*5

配额

Quantum AI Developer Certification

Assessment Objectives

Developers should successfully set up the basic environment for the Kaiwu-PyTorch-Plugin project, run the QBM-VAE sample code, and calculate the correct FID value based on the random seed value provided by the system.

Pass Rewards

10 quotas for 550-qubit real quantum machines with a one-year validity period

Exclusive "Quantum AI Developer" Community Certification Badge

Developer Benefits

Fixed Monthly Benefits: 5 quotas for 550-qubit real quantum machines
Proceed to Assessment

Step 1

Install the environment dependencies for the Kaiwu-PyTorch-Plugin library according to the README instructions
Go to GitHub

Step 2

Replace the Seed Value

Your seed value is

Step 3

Enter the FID Value You Calculated

*

Submit Answer

Developer Benefits

Fixed Monthly Benefits: 5 quotas of 550-qubit real machines

Congratulations on Completing the Assessment

You will receive the Quantum AI Developer Certification Badge and Assessment Rewards

550bit*10

Quotas