mRNA 序列优化：密码子、二级结构与稳定性

mRNA 药物（疫苗、蛋白替代疗法）的效力很大程度取决于序列设计：同样编码一个蛋白，不同的序列可能让表达量相差数十倍。优化涉及几个相互关联的维度。

mRNA 的结构组成

元件	作用	优化空间
5′ 帽	稳定性、翻译起始、免疫逃避	Cap1 优于 Cap0（降低免疫识别）
5′ UTR	翻译起始效率	序列与二级结构
编码区（CDS）	蛋白序列	密码子选择（主要优化对象）
3′ UTR	稳定性、定位	可用已知稳定元件
poly(A) 尾	稳定性、翻译	长度（通常 100～150 nt）

密码子优化：不只是「用最常见的密码子」

from collections import Counter
import numpy as np

# 人类密码子使用频率（示例，实际应用完整表）
HUMAN_CODON_USAGE = {
    "L": {"CUG": 0.41, "CUC": 0.20, "UUG": 0.13, "CUU": 0.13,
          "CUA": 0.07, "UUA": 0.07},
    "S": {"AGC": 0.24, "UCC": 0.22, "UCU": 0.19, "AGU": 0.15,
          "UCA": 0.15, "UCG": 0.05},
    # ... 其余氨基酸
}

def codon_optimize_naive(protein_seq, usage=HUMAN_CODON_USAGE):
    """最朴素的做法：每个氨基酸都选最高频密码子"""
    return "".join(max(usage[aa].items(), key=lambda x: x[1])[0]
                   for aa in protein_seq)

# 但这个做法有问题！见下文

为什么不该简单地全用最高频密码子：

• 会造成极高的 GC 含量：人类高频密码子多以 G/C 结尾，全用它们会让 GC 含量过高，导致强二级结构，反而抑制翻译；
• 破坏翻译节奏：某些位置的「慢密码子」对共翻译折叠是必要的，全部换成快密码子可能导致蛋白错误折叠；
• 可能引入非预期基序：剪接位点、poly(A) 信号、限制酶位点等；
• tRNA 丰度的组织特异性：不同组织的 tRNA 池不同。

多目标优化

import RNA          # ViennaRNA

def evaluate_mrna_sequence(cds, utr5="", utr3=""):
    """综合评估 mRNA 序列质量"""
    full = utr5 + cds + utr3
    metrics = {}

    # 1) GC 含量 —— 影响稳定性与二级结构
    gc = (cds.count("G") + cds.count("C")) / len(cds)
    metrics["gc_content"] = gc          # 通常 50~60% 较好

    # 2) 密码子适应指数（CAI）
    metrics["cai"] = compute_cai(cds)   # 越接近 1 越「宿主友好」

    # 3) 二级结构自由能
    fc = RNA.fold_compound(full)
    structure, mfe = fc.mfe()
    metrics["mfe"] = mfe

    # 4) 关键：起始密码子区域的可及性
    #    5'UTR 与起始密码子附近的强二级结构会严重抑制翻译起始
    start_region = full[len(utr5)-20 : len(utr5)+30]
    fc_start = RNA.fold_compound(start_region)
    _, mfe_start = fc_start.mfe()
    metrics["start_region_mfe"] = mfe_start   # 越接近 0（越松散）越好

    # 5) 有害基序检查
    BAD_MOTIFS = {
        "cryptic_splice_donor": "GGTAAG",
        "cryptic_splice_acceptor": "TTTTTTTTTTNCAG",
        "polyA_signal": "AATAAA",
        "are_element": "ATTTA",        # AU 富集元件，降低稳定性
    }
    metrics["bad_motifs"] = {
        name: cds.replace("U","T").count(m)
        for name, m in BAD_MOTIFS.items() if "N" not in m
    }

    # 6) 均聚物（影响合成与保真度）
    metrics["max_homopolymer"] = max(
        len(run) for run in __import__("re").findall(r"(.)\1*", cds))

    return metrics

二级结构的双面性

• 不利的一面：5′ UTR 与起始密码子附近的强二级结构阻碍核糖体扫描与翻译起始——这是最需要避免的。
• 有利的一面：编码区内适度的二级结构能提高 mRNA 的稳定性（抵抗核酸酶降解），从而延长表达时间。
• 因此优化目标是分区的：5′ 端保持松散，编码区适度折叠。

LinearDesign 等工具（见 189《PaddleHelix》）正是同时优化密码子使用与二级结构稳定性——把这个多目标问题形式化为可高效求解的形式。

修饰核苷酸：降低免疫原性的关键

修饰	作用
N1-甲基假尿苷（m1Ψ）	降低先天免疫识别 + 提高翻译效率，现已成为标准
假尿苷（Ψ）	较早使用，效果不如 m1Ψ
5-甲基胞苷（m5C）	降低免疫刺激
Cap1 结构	被识别为「自身」RNA，避免 RIG-I 激活

用修饰核苷酸替换尿苷是 mRNA 药物可行的关键突破之一：未修饰的体外转录 mRNA 会强烈激活先天免疫（TLR7/8、RIG-I），导致炎症反应并抑制翻译。m1Ψ 修饰同时解决了免疫原性与表达量两个问题。

纯度控制：双链 RNA 污染

# 体外转录过程会产生双链 RNA（dsRNA）副产物
# dsRNA 是强免疫刺激物，即使含量很低也会显著影响效果
#
# 控制手段：
#   1) 优化转录条件（温度、酶、模板设计）
#   2) 纯化：HPLC、纤维素层析
#   3) 质控：dsRNA 特异性抗体（J2）点杂交
#
# 这是从实验室到临床的关键工艺环节 ——
# 序列设计得再好，dsRNA 污染也会毁掉效果

优化的现实

• 密码子优化的效果难以精确预测：影响因素太多（tRNA 池、共翻译折叠、mRNA 结构、细胞状态），通常需要合成几个候选序列实测比较。
• UTR 的选择往往比密码子优化影响更大：用已验证的高效 UTR（如某些球蛋白基因的 UTR）是常见做法。
• 实验验证不可替代：设计 3～5 个变体，在细胞和动物中测表达量与持续时间。
• 递送是另一个决定因素：再好的序列，递送不到细胞里也没用（见 378《LNP 递送系统》）。

延伸资源

• 递送：378《LNP 递送系统》；ASO/siRNA 对照：375《反义寡核苷酸 ASO》、376《siRNA 设计》；
• 工具：189《PaddleHelix》（LinearDesign）。