问答：一种用于设计功能改进的RNA的生成性人工智能技术

核糖核酸，也称为RNA，是存在于所有活细胞中的分子。它在从DNA传递遗传指令和创造蛋白质方面发挥着至关重要的作用。凭借执行大量功能的能力，小RNA“信使”在治疗、诊断和疫苗方面带来了重要的创新，并使我们重新思考了对生命本身的理解。

来自波士顿大学生物设计中心和生物医学工程系的一组研究人员最近在开发下一代计算RNA工具方面取得了重大进展。他们最近在《自然通讯》上发表了一项研究，描述了一种生成性人工智能技术，用于设计具有改进功能的不同类型的RNA分子。

就像一个可以用来编写全新文本的大型语言模型一样，该模型可以为细胞或诊断分析中的特定任务编写新的RNA序列。他们的研究表明，可以预测和生成在广泛的潜在应用中具有特定功能的RNA序列。

在这个问答环节中；A、 波士顿大学生物医学工程副教授Alex Green博士讨论了RNA分子序列和结构（SANDSTORM）和生成性对抗RNA设计网络（GARDN）作为开发具有改进功能的诊断和治疗RNA的新工具的力量。

你为什么对设计具有新功能的RNA感兴趣？

RNA工程具有巨大的潜力，因为RNA是体内唯一一个既编码遗传信息又在广泛的细胞过程中具有多种功能活性的系统。工程RNA在研究或治疗目的的基因编辑、诊断和合成生物系统中具有应用。

此外，RNA工程可以提供一种更简单、更精简的方法，以确保细胞在正确的时间产生适量的蛋白质，这在实现基于蛋白质的新型疗法和靶向疗法方面具有巨大的潜力。

绿色实验室专注于以可编程的方式工程化RNA，使其能够作为实现特定最终目标的设备。例如，我们致力于设计在癌症细胞中具有活性的RNA，以产生治疗，但如果遇到健康细胞，则完全沉默，从而最大限度地减少不必要的副作用。

迄今为止，在实现RNA工程的潜力方面存在哪些挑战？

一个关键的挑战是需要在实验系统中合成和筛选RNA，这既费时又耗费成本/资源。已经开发了几种计算工具来克服实验方法的挑战，但它们都使用不同的编码平台和架构，这使得它们很难集成。

此外，这些现有的方法大多是为了预测特定类型RNA的功能而设计的，这意味着没有一种工具可以广泛应用于回答所有问题并做出我们想要做出的所有预测。

SANDSTORM和GARDN是如何克服这些挑战的？

SANDSTORM是一种深度机器学习方法，它结合了有关RNA序列和RNA二级结构的信息来预测不同类别RNA的功能。我们可以使用SANDSTORM神经网络——随着我们获得更多数据，它会随着时间的推移而学习和改进——来预测RNA分子末端的功能活性（在RNA稳定性、运输和翻译中起着重要作用），与核糖体相互作用的RNA部分，以及CRISPR诊断中使用的RNA。

GARDN是一种生成性对抗网络架构，其任务是生成功能性RNA的真实示例，并区分真实和不真实的示例。

当我们将SANDSTORM与GARDN结合时，我们有一个强大的系统，可以生成和选择提供所需功能的RNA序列，同时具有很高的计算效率。与其他计算方法相比，训练和预测所需的参数更少，这使得系统更快，相关工作流程更容易。

研究生可以在他们的个人电脑上使用这个系统，正如我实验室的博士生Aidan Riley所证明的那样，他支持这项工作。事实上，Aidan是这个项目的推动者，因为他想使用机器学习更快、更有效地筛选和测试工程RNA，他在机器学习方面的背景在系统的最终设计中发挥了关键作用。

与超过100000名依赖Phys.org获取日常见解的订阅者一起探索科学、技术和太空的最新进展。注册我们的免费时事通讯，每天或每周获取重要突破、创新和研究的最新进展。

这项研究的下一步是什么？

迄今为止，我们已经证明了SANDSTORM和GARDN在设计RNA分子末端（称为5-引物和3-引物末端）方面的实用性。我们目前的重点是设计两端之间的编码区域。为此，我们正在将这些计算工具与BU的其他发展相结合，包括自扩增RNA技术和更具体的治疗方法。自扩增RNA技术是一种更有效的方法来产生我们想要在实验系统中评估的RNA。

进一步地，我们还希望设计RNA来提高蛋白质生产的效率，这可能对实现新的靶向治疗和提高治疗性蛋白质的生产效率具有重要意义。

这项研究在哪些方面有助于进一步开发疫苗或药物疗法，或治疗疾病？

这项研究可以帮助使疫苗和疗法更智能、更有效。使用我们的模型，我们发现我们可以显著增加mRNA产生的有效载荷蛋白的量。这是有价值的，因为它可以导致更有效的治疗，或者可以用来减少治疗所需的RNA量，降低成本并可能减少副作用。

我们还使用这些模型来设计仅在检测到不同生物标志物时激活的RNA。例如，这种能力可用于开发仅在特定组织或肿瘤细胞中激活的疗法。

生物技术公司如何从这项研究获得的知识中受益？

我们的技术可用于帮助生物技术公司更快、更有效地开发RNA候选药物。训练新的机器学习模型通常需要测试数万个不同的候选者，这既昂贵又耗时。通过SANDSTORM，我们发现我们可以从几百个测试序列中生成有效的模型，这比我想象的要小得多。特别是对于小型生物技术公司来说，这种成本和时间效益可能是新药上市的决定性因素。p