预测mRNA降解以提高疫苗稳定性

信使核糖核酸(mRNA)作为一种治疗方法，由于其快速制造的能力和有前景的结果正在获得动力。例如，基于mrna的疫苗在世界许多地区抗击COVID-19的斗争中发挥了关键作用。

然而，基于mrna的治疗方法可能面临挑战，因为它们的热不稳定性，这使它们容易受到影响化学降解。因此，mRNA疫苗的生产、储存和全球运输都需要严格的条件。为了使mRNA疫苗更广泛地获得，了解和提高它们的稳定性至关重要。

德克萨斯农工大学阿迪麦克费林化学工程系教授孙庆博士和一个研究生团队使用深度学习技术创建了一个有效的、可解释的模型架构，可以比以前的最佳方法(如Degscore模型、RNA折叠算法等)更准确地预测RNA降解机器学习模型。

他们的模型进行了测试，以证明其有效性研究结果最近发表在生物信息学简介会。

Sun说:“mRNA固有的热不稳定性阻碍了mRNA疫苗在全球范围内的分布，这是一种化学降解反应。”“因此，我们的研究试图理解和预测mRNA降解。”

为了解决这个问题，Sun和她的团队转向了深度学习技术，他们开发了rnadegformer，这是一种基于深度学习的模型人工神经网络能够提取数据并利用这些见解进行预测。

据Sun介绍，RNAdegformer利用RNA二级结构特征和碱基配对概率的生物物理特征，利用自注意和卷积处理RNA序列，这两种深度学习技术已被证明在计算机视觉和自然语言处理领域占据主导地位。

孙说:“RNAdegformer在预测核苷酸水平的降解特性方面优于之前的最佳方法，核苷酸水平就像句子中的字母组合成mRNA。”“我们可以预测COVID-19 mRNA疫苗中的每个核苷酸。RNAdegformer预测也表现出与RNA更好的相关性在体外半衰期与之前的最佳方法相比。”

此外，该研究还显示了自我注意力地图的直接可视化如何有助于明智的决策。根据Sun团队的研究生、论文第一作者何淑君(音)的说法，注意力地图显示了模型如何使用输入信息“思考”，这有助于基于模型预测的知情决策。

此外，他们的模型揭示了决定mRNA降解速率的基本特征。

该团队与斯坦福大学生物化学副教授Rhiju Das合作，他的高质量mRNA降解数据作为这项研究的起点。

孙说:“通过我们的研究，我们希望能够使用我们的模型设计出更稳定的mRNA疫苗，使mRNA疗法更加公平和更广泛地使用。”