DNA是遗传密码的支柱，因此，从逻辑上讲，首先需要解码和理解遗传序列以及表观遗传修饰。然而，RNA和新兴的表观转录组学在健康和疾病中正发挥着越来越重要的作用。这类核酸控制着维持细胞生物学正常运转的蛋白质，或者在疾病情况下出现错误。
将这些分子与调控RNA和蛋白质生产的细胞信号结合起来，其复杂程度迅速显现，甚至让人难以理解。特别是AI优先的TechBio公司，正在利用人工智能快速处理数据和无限的生物学可能性，以加速基因药物领域的发展。
尽管RNA疗法可能针对与一次性DNA疗法相似的疾病，但它们具有几个独特的优势。基础寡核苷酸技术已经得到验证，因此监管路径并不那么艰难。由于RNA疗法的短暂性，任何有害反应都是暂时的。RNA疗法的效果是短暂的，因此需要重复给药以保持治疗效果，但这也意味着任何有害反应是暂时的。随着疗法和递送机制向下一代发展，预计给药频率将减少。
随着mRNA疗法的进步，尤其是在概念验证疾病AATD（α-1抗胰蛋白酶缺乏症）方面，今年晚些时候预计将有临床数据发布。此外，随着公司如AIRNA探索通过引入健康变异来影响人类健康的新疗法，新的治疗方式正在出现。
优化内源性系统
OPERA®（寡核苷酸促进RNA编辑）平台是一种精确、可编程的方法，通过使用作用于RNA的腺苷脱氨酶（ADAR）酶选择性地将腺苷转化为肌苷。Korro Bio的首席科学官Loïc Vincent博士总结道：“我们优化了完全合成、化学修饰的寡核苷酸的结构和稳定性，以实现高精度、高效的编辑，涵盖广泛的疾病，同时最大限度地减少脱靶和旁观者编辑。”
四个协同的基础支柱使OPERA平台成为一个先进且可扩展的RNA编辑系统。首先，Korro团队对ADAR有深入的了解，这使OPERA能够特异性地、精确地利用内源性编辑机制。其次，寡核苷酸化学方面的专业知识开发了CHORD（定制高保真寡核苷酸用于RNA脱氨），可以微调稳定性、效力和安全性。
第三，内部的人工智能/机器学习框架不断学习并促进目标识别和in silico设计与优化。Vincent表示：“这使得寡核苷酸的设计和测试迭代可以在不到四周的时间内完成。”“最后，我们的递送策略是超越肝脏，到达历史上难以用寡核苷酸治疗的组织。”
该公司目前正在执行3-2-1管道策略，旨在建立三个临床项目，利用OPERA平台针对两种不同的组织类型。
KRRO-110是一种完全自主的治疗候选药物，是一种潜在的最佳同类、疾病修饰性治疗AATD药物。REWRITE临床试验是一项两部分研究，评估KRRO-110的安全性和持久性。最多64名健康和PiZZ基因型参与者将帮助确定后期研究的剂量。此外，美国食品药品监督管理局（FDA）已授予Korro Bio孤儿药地位，用于KRRO-110治疗AATD。
其他早期项目针对罕见和高发疾病，以及复杂疾病的转录组重编程。“我们的目标是展示在不同疾病和组织中的多功能性，”Vincent强调。另一个值得注意的项目集中在疼痛管理上，目前仍存在对安全有效、非阿片类药物的重大未满足需求。该公司还与诺和诺德公司合作，最初专注于心血管代谢疾病。
Vincent认为，纳入更多人工智能能力将起到加速作用。“通过人工智能，我们可以继续优化OPERA的力量，扩展设计空间，并将经验性的药物发现转变为更快、更稳健、更具预测性和特异性的过程，”Vincent说道。
健康变异疗法
2019年《自然》杂志发表的一篇文章描述了使用寡核苷酸招募内源性ADAR酶进行RNA碱基编辑，引发了对该分子的商业兴趣。
AIRNA总裁兼首席执行官Kris Elverum表示：“设计寡核苷酸的可能性是无限的。如果你综合考虑所有不同的参数，腺苷到肌苷编辑的优化是非常复杂的。这就是为什么该领域在体外到体内的转化上存在困难。”“我们通过主链碱基修饰、基于结构的设计以及优化的GalNAc递送至肝脏，驱动这些寡核苷酸的效力、安全性和递送效率，以实现更高的编辑效率。”
AIRNA的ADAR方法不仅关注罕见遗传病，还关注驱动个体健康特征的遗传变异，以纠正常见疾病。[AIRNA]克服技术挑战是持续进行的。ADAR本身很复杂：例如，人类ADAR1 cDNA的序列预测了一个1226个氨基酸的开放阅读框，这种酶有不同的异构体，其中一些是胞质的、核内的、在刺激反应中表达的或持续存在的。
Elverum表示：“我们现在正处于最早的临床数据发布的转折点。”其他参数，如制造、安全性和临床前模型，对于寡核苷酸来说已经非常成熟。
AIRNA计划在今年下半年提交其主要候选药物AIR-001治疗AATD的临床试验申请。最近一轮融资为这一努力提供了资源。
RNA编辑正成为多种药物的突破性方式。“我们正在整合其他方式中已证明的组件，用于作用机制、给药、分布等。通过我们的RESTORE+平台，我们相信我们的药物将因其技术的关键要素对效力、安全性和递送的积极影响而受到患者的青睐，”Elverum说道。
AIRNA还关注具有优越健康状况的个体如何进化。“我们可以识别出在特定特征上具有优越健康的群体，并识别驱动这些差异的遗传变异，”Elverum表示。“尽管个体之间的点突变会有所不同，但从长远来看，我们相信引入健康变异来治疗疾病将开辟一个全新的药物领域，改善健康。”
人工智能推动新发现
Deep Genomics的使命是开创人工智能基础模型，以改变新型遗传药物的研发。这家以AI为先的TechBio公司的旗舰基础模型BigRNA拥有18亿个可调参数，训练数据超过一万亿个基因组信号。通过“实验室循环”提供的数据越多，BigRNA就越智能。
例如，初始训练数据并未涉及寡核苷酸，但“一旦BigRNA被训练，我们就能向基础模型提供一个基因，并要求它寻找增加其表达的寡核苷酸。它找到的寡核苷酸随后得到了实验验证，”Deep Genomics系统与靶向生物学副总裁Tehmina Masud博士说道。
Deep Genomics开发的Foundation Model Platform包含一系列针对核酸、蛋白质和系统生物学的基础模型，以解决治疗开发中的多方面挑战。[Deep Genomics] BigRNA最近在一个最大的复杂遗传条件探索中进行了试点。“通过利用大量的计算能力和谷歌的专用TPU架构，我们增加了对复杂和罕见疾病的遗传和生物决定因素的理解，创建了一个将推动创新的数据库，”Masud强调。
这种与模式无关的靶向发现平台独特地具备识别RNA编辑、敲低或上调靶向的能力。最近添加的模型——REPRESS、DeepRNAi和DeepADAR——支持siRNA、RNA编辑和mRNA治疗设计。DeepADAR通过准确预测ADAR招募指南对目标位点的影响，实现高性能gRNA的设计。
除了BigRNA之外，Deep Genomics的基础模型平台还包含一系列针对核酸、蛋白质和系统生物学的基础模型，以解决治疗开发中的多方面挑战，并分析庞大的生物数据集，同时解决多个问题。这些模型展示了涌现智能，能够解决超出其原始训练范围的问题。
Masud表示：“我们相信，TechBio公司提供早期突破，而制药合作伙伴负责后期开发的模式不仅是可扩展的，而且是释放人工智能在药物发现中的潜力的关键。”“我们希望提升整个行业的水平，重塑遗传药物的发现和开发方式。”
Masud特别兴奋的是新的以患者为中心和多模态数据整合方法，以进一步推进该模型。获取大型患者群体和生物相关的多模态数据，包括详细的临床记录，长期以来一直是进行充分有力分析的重大挑战。
表观转录组学的新兴作用
RNA修饰在调节RNA生物学的大多数方面（包括蛋白质翻译）中起着关键作用。RNA修饰由复杂的细胞通路精细调控，在各种疾病（包括癌症、心血管代谢条件和神经系统障碍）中经常出现失调。
但缺乏准确、稳健和用户友好的检测和分析方法限制了表观转录组学在药物开发中的应用。事实上，只有少数高度专业化的实验室进行这种分析。目前，RNA修饰最常见的合成应用是在反义寡核苷酸（ASOs）和RNA疫苗中，以增强其稳定性，减少免疫原性，并改善药代动力学。
Alida Biosciences的首席执行官兼联合创始人Gudrun Stengel博士表示：“科学出版物数量的稳步年增长率以及首批出现的转化研究说明了该领域的快速发展。”
（A）在终止密码子中将尿苷转化为假尿苷，使核糖体跳过它（可能是治疗早熟终止密码子疾病的一种方法）。（B）根据序列背景，靶向腺苷甲基化吸引不同的m6A阅读器，这些阅读器调节mRNA稳定性和剪接等下游过程。（C）A到肌苷（读作鸟苷）编辑被用于治疗纠正RNA水平的点突变。[Alida Biosciences]Alida Biosciences旨在将表观转录组学分析无缝嵌入诊断、药物发现和RNA治疗开发中，希望解锁新的见解并增加可衡量的价值。他们的EpiPlex™平台提供了一个全面的端到端工作流程，用于检测和分析RNA修饰，使单次反应中可以检测多种RNA修饰。
这种简化的方法显著减少了输入材料的需求——允许使用活检——并最小化时间和劳动。最重要的是，它提供了不同RNA修饰之间相互关系和相关变化的可操作见解，包括最丰富的修饰m6A和肌苷，以及——很快——假尿苷。
通过利用邻近条形码的力量，EpiPlex检测包括m6A和肌苷的检测，以及正在进行的假尿苷的检测，有效地将RNA修饰的存在转化为独特的条形码，通过NGS读取。
配套的基于云的Epi-Scout™分析软件使用基于机器学习的算法解释数据，提供每个RNA修饰的转录位置和相对丰度，以及基因表达数据。
Stengel表示：“我们渴望捕捉mRNA的完整表观转录组景观，以促进对疾病机制的更全面理解，并开发多因素诊断工具。”“为了消除采用障碍，我们优先考虑稳健性、易用性、高通量、成本效益的测序以及强大的生物信息工具的整合。”
参考资料
1. Merkle T, et al. Nat Biotechnol. 2019 Feb;37(2):133-138. doi: 10.1038/s41587-019-0013-6。
2. Samuel CE. J Biol Chem. 2019 Feb;29 4(5):1710-1720. doi: 10.1074/jbc.TM118.004166。
【全文结束】
