Science：利用机器引导设计方法优化AAV病毒衣壳

yinfuhua

Science：利用机器引导设计方法优化AAV病毒衣壳. n2 H( [6 |) P# i
来源：本站原创 2019-12-11 23:21: A4 U' C, `9 [. n5 G0 F* n
2019年12月11日讯/生物谷BIOON/---在学术研究实验室和生物技术实验室近期正在开发的一波基因疗法浪潮中，腺相关病毒（AAV）已成为将治疗性基因运送到靶组织的首选载体。AAV血清型有AAV-1、AAV-2、AAV-5，AAV-6、AAV-7、AAV-8、AAV-9、AAV-rh10和AAV-hu11等，其中最为人所知的就是AAV-2。2 b- s: v7 {& L8 A( h" c5 x1 m

) D$ U, v6 |$ E. Y天然的AAV并不特异性地靶向患病的细胞和组织，它们可以被免疫系统识别，因而限制它们的治疗成功性。为了改进AAV，合成生物学家一直在采用“定向进化”方法，即在组成AAV病毒衣壳的衣壳蛋白中，让直接接触靶细胞的衣壳蛋白的特定氨基酸发生随机突变。通过评估哪些氨基酸变化可以将AAV递送到靶组织，并在艰巨的迭代过程中将突变依次层叠，他们旨在改进所需的AAV特性。
, `' c. t. V& W  i2 X& d" K( A" F$ F4 i4 F5 p  a$ b
如今，在一项新的研究中，来自哈佛大学威斯生物启发工程研究所和哈佛医学院的研究人员报道了一种方法，该方法可以加快制造这样的改进型AAV衣壳的过程并开发出更好的AAV病毒。相关研究结果近期发表在Science期刊上，论文标题为“Comprehensive AAV capsid fitness landscape reveals a viral gene and enables machine-guided design”。
. r0 \: @( J% l. B8 F
! N3 Z$ D* q* G6 z$ `+ h3 y利用新的机器引导方法改进AAV载体，以便用于基因疗法中，图片来自Eric Kelsic, Dyno Therapeutics。# h$ ?+ d* P( O+ I! k! T1 B) u
通过采用一种不同的更加系统性的衣壳蛋白工程方法，这些研究人员对AAV-2衣壳中的735个氨基酸进行了逐个突变，包括在每个位点上发生的所有可能的密码子替换、插入和缺失。他们产生了一个包含约20万种病毒变体的病毒库，并鉴定出既保持了AAV-2的生存力同时又改进了它对小鼠特定器官的“归巢”潜力（即嗜性）的衣壳变化。出乎意料之外的是，他们还发现了一种隐藏在衣壳编码DNA序列中的新型辅助蛋白，该蛋白与靶细胞的细胞膜结合。
2 [; d0 m8 e) M: G% L% @* f
  d9 B+ ?1 ~' U6 z8 n在威斯生物启发工程研究所核心成员George Church博士和他的前博士后研究员Eric Kelsic博士的领导下，这些研究人员部署了先进的合成生物学设备，包括下一代DNA合成、DNA条形码、DNA测序仪器，以构建迄今为止最全面的AAV衣壳库之一。Church说，“利用这种AAV衣壳库产生的信息，我们还能够设计具有比以前的天然变体或合成变体更多突变的衣壳，而且产生的有活性的衣壳的效率远远超过通过随机诱变方法产生的AAV衣壳。”
  f9 x; [: }: H, }' M8 F; q7 o0 P* ?6 _* ~9 v+ K% U  d
Kelsic说，“这些高通量技术与机器引导设计（machine-guided design）相结合，为构建出优秀的高度定制的AAV变体用于未来的基因疗法奠定了基础。过去的方法，比如理性设计（rational design）或随机诱变，各有其缺点，前者受限于文库大小，后者受限于较低的质量。机器引导设计是蛋白质工程中的一种数据驱动的方法。在这项新的研究中，我们证实即使是一种简单的数学模型，只要有足够的数据支持，也能成功地产生有活性的合成衣壳。在蛋白质工程中，这种迭代和经验方法使我们能够兼具理性设计和随机诱变的优点，并产生大量高质量的衣壳变体。”
% d+ u1 H: d4 C+ Q# e/ C, x/ L/ e! [# V
论文共同第一作者Pierce Ogden说，“出乎意料之外的是，我们产生的高分辨率数据使我们能够发现一种位于AAV-2衣壳DNA序列内的不同阅读框编码一种新蛋白---尽管对这种病毒进行了数十年的深入研究，但并未注意到这一点。我们将它命名为膜相关辅助蛋白（MAAP），它存在于所有最流行的AAV血清型中，我们相信它在这种病毒的自然生命周期中发挥着作用。探究MAAP的功能将是未来研究中的一个令人兴奋的领域，并有可能使人们更好地了解如何更好地开发和设计基于AAV的基因疗法。”
8 d- E3 A% C2 P1 N* u) r根据论文共同作者Sam Sinai博士的说法，“这揭示了数据驱动的蛋白质工程的前景，特别是对于AAV衣壳蛋白这样的蛋白，利用当前的计算方法很难对它们进行建模。我们的结果令人鼓舞，但这只是第一步，我们将利用这些数据和来自未来实验的数据，构建机器学习模型，以优化AAV衣壳和应对各种各样的基因治疗挑战。”（生物谷 Bioon.com）