DeepRNAi 把 siRNA 脱靶预测做到接近实验重复性,全基因组扫描显示强效分子九成带脱靶隐患
核心概要
DeepRNAi 是一个从 siRNA 与 mRNA 序列直接预测靶向和脱靶敲低的深度学习模型,训练集为 2,031 条 siRNA 产生的约 1,600 万对 siRNA-转录本数据,并引入 RNA 生物基础模型的转录本上下文。在留出的 240 条 siRNA 测试集上,它对完全互补靶点、近完美匹配和种子匹配的预测精度接近同一细胞系内 RNA-seq 重复实验的一致性,并能零样本迁移到未见细胞系、大鼠体外与大鼠体内。对 7,946 个基因、2,440 万条候选 siRNA 的全基因组扫描显示,每个基因预测最强的前 100 条中仅 9.9% 同时满足无活跃近完美匹配脱靶和低脱靶负担。
深度剖析
siRNA 药物的脱靶敲低现在可以在实验之前按转录本逐个预测,而不只判断序列是否匹配。 此前 siRNA 预测方法多只估计靶向效力,生信脱靶工具主要找序列匹配,而这些匹配只有 4% 到 8% 会被验证为功能性脱靶位点;评估脱靶负担仍依赖 qPCR 和 RNA-seq 筛选。 在既不含训练 siRNA、也不含同一靶标其他 siRNA 或旁系同源序列的留出测试集上,DeepRNAi 对近完美匹配和种子匹配的分类精度显著高于随机森林、TargetScan 和按种子熔解温度排序的基线(p < 0.001)。
模型把 siRNA 引导链序列、靶或脱靶 mRNA 序列以及细胞系、siRNA 形式与化学修饰类别一起编码,再叠加生物基础模型的单核苷酸分辨率嵌入,输出每一对 siRNA-mRNA 的 log2 折叠变化。 训练前先用一种不依赖序列的无监督预处理压低间接效应和噪声,使学习目标集中在 RISC 直接介导的杂交依赖性敲低上。 去掉生物基础模型嵌入后重训的版本在靶向任务上显著变差(p = 0.004),在近完美匹配和种子匹配两类任务上也显著变差(p < 0.001),说明这部分上下文确实被模型用上了。
预测能力可以迁移到训练时没见过的细胞环境与物种,包括大鼠肝内体内数据。 模型只用人类 HepG2 和 Huh7 数据训练,没有使用其他物种的数据或微调。 对靶向 Hao1 和 Ttr 的两条 siRNA,大鼠原代肝细胞中近完美匹配脱靶分类的平均精度为 0.55、种子匹配为 0.39,基线命中率均为 0.20;大鼠肝体内 173 个近完美匹配上平均精度 0.40,基线 0.16,与用大鼠肝细胞实测数据预测体内结果的 0.41 相当。
启示与展望
已展示的范围是人类 HepG2、Huh7 训练数据上的留出测试,以及 Hep3B、两种供体来源的原代人肝细胞、大鼠原代肝细胞和大鼠肝体内数据上的零样本预测;读者对象是从事 siRNA 序列设计与临床前评估的研究人员。作者提出下一步应加入更多化学修饰的 siRNA、体内筛选与临床试验结果,并对进入药物开发流程的候选做前瞻性评估。
作者明确指出,区分已批准与肝毒性 siRNA 的比较只涉及少量分子,解读时需谨慎;模型架构细节属于专有信息,未予披露;对临床结果的最终检验仍是前瞻性评估,尚未完成。
