系统的多特征AAV囊体工程,以实现高效的基因传递
Fatma-Elzahraa Eid1,2, Albert T Chen3, Ken Y Chan3
1Stanley Center for Psychiatric Research, Broad Institute of MIT and Harvard, Cambridge, MA, USA. fatma@broadinstitute.org.
Nature communications
|August 3, 2024
概括
机器学习方法Fit4Function为基因疗法设计了多特征腺相关病毒 (AAV) 体. 这种方法有效地识别出临床相关的AAV载体,提高了可制造性和向性.
科学领域:
- 生物技术是生物技术.
- 分子生物学分子生物学
- 基因治疗 基因治疗
背景情况:
- 开发基因疗法需要有效和可制造的病毒载体,如腺相关病毒 (AAV).
- 目前的AAV囊体库选方法在识别具有多个基本临床特征的载体方面效率低下.
研究的目的:
- 介绍Fit4Function,一种可通用的机器学习 (ML) 方法,用于系统地设计多特征的AAV.
- 开发一种用于创建具有增强可制造性和特定细胞向性的AAV载体的方法,用于临床应用.
主要方法:
- 利用一个封面图书馆对可制造的序列空间进行统一采样,以生成可重复的选数据.
- 使用体内 (老鼠) 和体内 (人类) 数据训练了六个序列到功能ML模型.
- 组合ML模型来设计和验证一个多特征 (向肝脏,可制造) 的AAV体库.
主要成果:
- 88%设计的多特征AAV体库变体符合所有六个预先确定的标准.
- ML模型使用小鼠和人类的数据准确地预测了中的AAV体生物分布.
- 顶级的AAV候选者显示出高产量,高效的小鼠肝转导和显著增强的人类肝细胞转导 (高达1000倍).
结论:
- 该Fit4Function策略使得可以预测改AAV虫的跨物种特征.
- 这种ML方法对于开发一张图谱来预测AAV囊体在众多特征上的表现至关重要,从而推进基因治疗载体的开发.
