GRAPE-LMによるRNAアプタマーの単回進化

科学分野:

• 生化学
• 分子生物学
• 人工知能

背景:

• 指向性進化は生体分子の開発に不可欠ですが、RNAの進化はタンパク質の進化に遅れをとっています。
• 従来のRNAアプタマー発見には、骨の折れる複数ラウンドのスクリーニングプロセスが含まれます。
• 言語モデルの進歩はタンパク質の進化を加速させており、同様のRNAツールの必要性が強調されています。

研究 の 目的:

• 1回のRNAアプタマー進化のための新しい生成AIフレームワークであるGRAPE-LMを紹介すること。
• GRAPE-LMが高親和性RNAアプタマーを迅速に発見する能力を実証すること。
• アプタマー選択における従来の複数ラウンドスクリーニング法の限界を克服すること。

主な方法:

• GRAPE-LMは、トランスフォーマーベースの条件付きオートエンコーダーと核酸言語モデルを統合しています。
• このフレームワークは、細胞内環境からのCRISPR-Casベースのアプタマー選択データを利用してガイダンスを提供します。
• このシステムは、RNAアプタマーの効率的な単回進化のために設計されています。

主要な成果:

• GRAPE-LMは、CD3ε、SARS-CoV-2 RBD、c-Mycの3つの異なるターゲットに対するRNAアプタマーの生成に成功しました。
• AIによって生成されたアプタマーは、複数回のヒト選択および最適化によって得られたアプタマーを上回りました。
• このフレームワークは、限られたスクリーニングデータ（単一ラウンド）でも有効性を示しました。

結論:

• GRAPE-LMはRNAアプタマー進化における大きな進歩を提供し、迅速な単回発見を可能にします。
• このAIフレームワークは、従来の時間のかかるアプタマー選択方法に代わる強力な代替手段を提供します。
• GRAPE-LMは、細胞内ジスルフィドタンパク質などの困難なターゲットでも成功を収めており、その適用範囲を広げています。