化学、生物与自动化实验室
突破级
暂无讲解视频
收录解读
问题与背景：mRNA 疗法的疗效高度依赖蛋白表达效率，但传统 codon optimization 难以同时适配基因、细胞环境和不同 mRNA 格式。论文把 mRNA 序列设计视为可生成优化的问题。
方法与机制：RiboDecode 直接从大规模 ribosome profiling 数据学习，生成用于增强翻译效率的 mRNA codon sequences，并在未见基因、细胞环境、修饰 mRNA 和环状 mRNA 上验证鲁棒性。
为什么重要：它将深度生成模型推进到 mRNA therapeutics 的设计环节，并通过体外和小鼠体内实验显示蛋白表达和免疫反应提升。对 AI 驱动核酸药物设计、序列工程和治疗优化工作流有直接价值。
局限：结果仍需在更多治疗靶点、递送体系和临床相关模型中验证；安全性、免疫原性和制造约束尚未完全闭环。