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希望的结果而获得势头。例如，基于mrna的疫苗在世界许多地方抗击COVID-19的斗争中发挥了关键作用。

然而，基于mrna的治疗方法由于其热不稳定性而面临挑战，这使得它们容易受到化学降解．因此，mRNA疫苗在生产、储存和全球运输方面需要严格的条件。为了使mRNA疫苗更广泛地可获得，了解并提高其稳定性至关重要。

德克萨斯A&M大学Artie McFerrin化学工程系教授孙青博士和一组研究生利用深度学习技术创建了一个有效且可解释的模型架构，该模型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．

他们的模型经过了测试，证明了它的有效性研究结果最近发表在生物信息学简介．

孙说:“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。”“出于这个原因，我们的研究试图理解和预测mRNA的降解。”

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rnadegform——一种基于深度学习的模型人工神经网络能够提取数据，并利用这些见解做出预测。

根据Sun的说法，RNAdegformer利用RNA二级结构特征和碱基配对概率的生物物理特征，通过自注意和卷积处理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以前最好的方法，核苷酸水平就像句子中的字母组合成mRNA。”“我们可以对COVID-19 mRNA疫苗中的每个核苷酸进行预测。RNAdegformer预测也显示出与RNA更好的相关性在体外半衰期与之前最好的方法相比。”

此外，该研究还显示了自我关注地图的直接可视化如何有助于明智的决策。该论文的第一作者、孙团队的研究生何树军表示，注意图显示了模型如何使用输入信息“思考”，这有助于根据模型预测做出明智的决策。

此外，他们的模型揭示了决定mRNA降解率的基本特征。

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。

孙教授说:“通过我们的研究，我们希望能够利用我们的模型设计出更稳定的mRNA疫苗，从而使mRNA疗法得到更公平和更广泛的应用。”