Новый ИИ-инструмент ускоряет разработку мРНК-терапии для вирусов, рака и генетических заболеваний

Небольшие различия в последовательности мРНК позволяют рибосоме производить больше или меньше определённого белка. Новая ИИ-модель RiboNN предсказывает, какие последовательности будут наиболее эффективно производиться и потенциально наиболее полезны для белковой терапии. Автор: Техасский университет в Остине

Новая модель искусственного интеллекта может улучшить процесс разработки лекарств и вакцин, предсказывая, насколько эффективно определённые последовательности мРНК будут производить белки — как в целом, так и в различных типах клеток.

Этот прорыв, разработанный в рамках академическо-промышленного партнёрства между Техасским университетом в Остине и компанией Sanofi, помогает предсказать количество производимого белка, что может сократить необходимость в экспериментах методом проб и ошибок, ускоряя создание нового поколения мРНК-терапевтических средств.

Матричная РНК (мРНК) содержит инструкции по производству белков, позволяя нашему организму расти и выполнять повседневные жизненные процессы. Одной из самых перспективных областей медицины является разработка новых мРНК-вакцин и препаратов, способных бороться с вирусами, раком и генетическими нарушениями. Однако этот процесс часто осложняется необходимостью заставить клетки пациента производить достаточное количество белка из терапевтической мРНК для эффективной борьбы с болезнью.

Новая модель под названием RiboNN поможет в разработке мРНК-терапии, показывая, какие последовательности обеспечат наибольшее количество белка или лучше нацелятся на определённые части тела, такие как сердце или печень. Команда описала свою модель в одной из двух связанных статей в журнале Nature Biotechnology.

«Когда мы начали этот проект более шести лет назад, у него не было очевидного применения, — сказал Кан Ценик, доцент молекулярных бионаук в UT Austin, который руководил работой вместе с Викрамом Агарвалом, главой отдела науки о данных платформы мРНК в Центре передового опыта Sanofi. — Нас интересовало, координируют ли клетки, какие мРНК они производят и насколько эффективно они транслируются в белки. В этом ценность исследований, движимых любопытством. Они закладывают основу для таких прорывов, как RiboNN, которые становятся возможными гораздо позже».

В тестах, охватывающих более 140 типов клеток человека и мыши, RiboNN оказалась примерно в два раза точнее в предсказании эффективности трансляции по сравнению с предыдущими методами. Этот прорыв может помочь учёным быстрее разрабатывать методы лечения рака, инфекционных и наследственных заболеваний.

Процесс производства белков в клетках можно сравнить с работой команды кондитеров. Чтобы «испечь» белки, «повара» (рибосомы) в ваших клетках смотрят рецепт в вашей уникальной «кулинарной книге» (ДНК), копируют его на «карточки» (мРНК), а затем смешивают «ингредиенты» (аминокислоты) по рецепту, чтобы «испечь» «торты» (белки).

мРНК-вакцина или терапевтическое средство заставляет эти «повара» в клетках производить белки. В случае вакцины они могут создать белок, обнаруженный на поверхности вируса или раковых клеток, что фактически сигнализирует иммунной системе о необходимости вырабатывать антитела против угрозы.

В случае генетического заболевания терапия может заставить клетки производить белок, который организм не может правильно синтезировать самостоятельно, устраняя нарушение.

Перед созданием RiboNN команда Ценика собрала набор общедоступных данных из более чем 10 000 экспериментов, измеряющих эффективность трансляции различных мРНК в белки в разных типах клеток человека и мыши. После создания этой обучающей базы данных специалисты по ИИ из UT и Sanofi разработали модель.

Одна из целей RiboNN — создание терапий, нацеленных на определённые типы клеток, отметил Ценик, который также является аффилированным сотрудником Института вычислительной инженерии и наук Одина при UT и получает поддержку от Института исследований и профилактики рака Техаса.

«Возможно, вам нужно, чтобы терапия нового поколения работала в печени, лёгких или иммунных клетках, — сказал он. — Это открывает возможность изменить последовательность мРНК, чтобы увеличить производство белка в нужном типе клеток».

В сопутствующей статье в Nature Biotechnology команда показала, что мРНК со связанными биологическими функциями транслируются в белки сходным образом в разных типах клеток. Учёные давно знали, что процесс транскрипции генов с родственными функциями в мРНК координируется, но ранее не было доказано, что трансляция мРНК в белки также скоординирована.

Студенты UT вручную проверяли данные на точность и заполняли пробелы, чтобы создать RiboBase — набор данных, необходимый для обучения ИИ-модели.

В разработке RiboNN участвовали аспирант UT по компьютерным наукам Логан Персин, а также Динхай Чжэн и Джун Ван из Sanofi. Отдел Discovery to Impact UT помог организовать сотрудничество между университетом и Sanofi, разработав исследовательское соглашение.

Дополнительная информация: Zheng, D. et al. Predicting the translation efficiency of messenger RNA in mammalian cells, Nature Biotechnology (2025). DOI: 10.1038/s41587-025-02712-x
Liu, Y. et al. Translation efficiency covariation identifies conserved coordination patterns across cell types. Nature Biotechnology (2025). doi.org/10.1038/s41587-025-02718-5

Источник: Техасский университет в Остине