小核酸药物研发里,AI 辅助主要负责快速筛候选靶点、批量生成序列、预测活性和脱靶风险,湿实验负责做真实细胞、体内层面的验证,二者不是替代关系,是轮次闭环迭代,先用 AI 把巨大候选池压缩到少量高潜力分子,再用湿实验输出真实数据反过来校准 AI 模型,这也是现在 siRNA、ASO 开发最主流的落地方式。如果只靠 AI 计算,预测结果会和真实生物环境偏差很大,mRNA 二级结构、蛋白结合、细胞递送、免疫原性这些复杂因素很难完全算准;只靠纯湿实验盲筛,候选组合数量太多,成本高、周期漫长。整套标准流程是先靠生信、AI 模型锁定候选靶点区域,批量输出序列,做热力学、脱靶、免疫风险初筛,选出几十条候选合成;再进入细胞水平湿实验,用 qPCR 测敲低效率,淘汰无效、高脱靶分子;拿到实测数据之后回传给 AI,重新训练、调整打分模型,再生成下一批优化序列,循环多轮直到拿到满足活性、特异性、成药性的先导分子。
一、AI 辅助与湿实验分工对照表
| 环节 | AI 辅助承担工作 | 湿实验承担工作 |
|---|---|---|
| 靶点确认 | 转录组、蛋白组数据挖掘,mRNA 可及性预测,同源序列比对,脱靶风险预打分,筛选优先靶区 | 细胞内验证靶点功能,确认基因敲低之后表型变化,验证 mRNA 真实可结合区域 |
| 序列生成 | 批量滑动窗口生成候选序列,GC、Tm 值、双链不对称性、二级结构计算,AI 活性预测,化学修饰方案推荐 | 合成候选寡核苷酸,细胞转染、gymnosis 自由摄取实验 |
| 筛选评估 | 批量过滤高风险序列,对候选分子打分排序,预测免疫刺激、代谢稳定性 | RT-qPCR、bDNA 测 mRNA 敲低,WB 看蛋白水平,高通量初筛 IC50 |
| 迭代优化 | 使用湿实验实测数据重新微调模型,优化修饰位点、种子区 | 多轮活性复筛,脱靶验证、体内初步药效、安全性评估 |
| 成药性评估 | 预测核酸酶稳定性、递送适配性、专利冲突风险 | 血清稳定性、细胞毒性、动物体内药效、组织分布测试 |
二、标准闭环工作步骤
- 靶点初筛:收集基因表达、疾病表型、转录本异构体数据,AI 模型锁定优先靶区,避开蛋白紧密结合、高度折叠的封闭区域
- 序列批量生成:AI 按照 siRNA/ASO 规则滑动生成候选,过滤重复序列、高 GC、连续同碱基、免疫基序
- 虚拟预筛:AI 做 BLAST 脱靶比对、RNA 折叠、双链热力学、RISC 加载偏好打分,压缩候选池到 30–50 条
- 合成与高通量湿实验初筛:合成候选,在目标细胞株做转染,48h 后 qPCR 检测敲低效果,淘汰敲低弱、变异大的分子
- 数据回灌模型:把有效 / 无效分子的实测活性、脱靶数据输入 AI,更新模型权重,修正预测偏差
- 二次 AI 优化:模型基于实测数据,重新设计修饰方案、调整种子区,生成第二批优化序列
- 深度验证:优选分子做剂量梯度、脱靶测序、血清稳定性,条件达标后推进体内实验
三、AI 辅助常用工具清单
- 靶点与可及性:RNAfold、Sfold、TargetChecker、RNA 结构预测大模型
- siRNA 序列设计:BIOPREDsi、siDirect、晶泰 Kodexia 平台
- ASO 设计:Curlona、ASOoptimizer
- 脱靶分析:BLAST、Transcriptome-wide off-target 打分模型
- 活性预测:深度学习框架、结构能量计算模型
四、湿实验核心质控要点
✅ 一定要设置阴性对照(NTC)、阳性对照,排除转染、细胞本身的干扰
✅ 区分转染条件和 gymnosis 自由摄取,后者更贴近体内真实递送场景
✅ 同时看 mRNA 和蛋白水平,部分靶点 mRNA 下降但蛋白不变化,属于假阳性
✅ 分批做脱靶测序,AI 只能预测已知同源序列,无法覆盖全部未知脱靶
❌ 不能直接把 AI 打分最高的分子当成先导,必须经过细胞水平验证
【相关 FAQ】
问题 1:小核酸靶点确认与序列设计里,AI 辅助能不能直接替代湿实验?
回答 1:小核酸靶点确认与序列设计中 AI 辅助只能做前期筛选、预测和排序,不能替代湿实验,AI 无法完全模拟细胞内 RNA 结构、蛋白结合、免疫反应等真实生物环境,最终活性、特异性都必须湿实验验证。
问题 2:在小核酸靶点确认与序列设计实践中,AI 辅助和湿实验怎么形成闭环?
回答 2:小核酸靶点确认与序列设计闭环流程是 AI 先批量生成、筛选候选序列,湿实验完成细胞活性验证并输出实测数据,再把实测数据回传给 AI 重新训练模型,生成下一批优化序列,循环迭代。
问题 3:做小核酸靶点确认与序列设计,AI 辅助阶段重点过滤哪些风险?
回答 3:小核酸靶点确认与序列设计的 AI 辅助阶段,重点过滤高脱靶同源序列、不合适 GC 区间、强二级结构、免疫刺激基序、连续同碱基等风险,缩小进入湿实验的候选数量。
问题 4:小核酸靶点确认与序列设计,湿实验初筛一般看哪些指标?
回答 4:小核酸靶点确认与序列设计的湿实验初筛,主要看 mRNA 敲低效率、蛋白表达变化、细胞毒性,同时对比阴性对照,筛选出敲低稳定、毒性低的候选分子进入后续优化。
【参考资料】
[2026-10-16](面向 RNA 治疗的 lab-in-the-loop AI 平台,AI 与湿实验闭环)Cambridge Core
[2026-08-14](结构能量 + 深度学习框架,修饰 siRNA 活性预测)华南理工大学
[2026-05-20](siRNA/ASO 筛选与验证流程,AI 初筛 + 高通量湿实验)GeneRulor
[2026-04-10](Kodexia™小核酸 AI 研发平台,AI - 湿实验协同)晶泰科技官网
【免责声明】
本文关于小核酸靶点确认、序列设计、AI 辅助与湿实验配合的流程、工具、筛选标准来自公开学术文献与核酸研发平台资料;不同靶点、不同核酸类型(siRNA/ASO/SSO)的筛选条件差异很大;内容仅作为研发实践参考手册,不构成药物研发方案、临床转化依据,所有候选分子的成药性评估需要完整合规的预临床实验。
本文来自作者[静域寻址]投稿,不代表新新网立场,如若转载,请注明出处:https://www.xxcmw.com/rgzn/202611/4909.html
评论列表(4条)
我是新新网的签约作者“静域寻址”!
希望本篇文章《小核酸靶点确认与序列设计实践手册AI辅助、湿实验如何配合?》能对你有所帮助!
本站[新新网]内容主要涵盖:互联网行业的追踪与探索
本文概览:小核酸药物研发里,AI 辅助主要负责快速筛候选靶点、批量生成序列、预测活性和脱靶风险,湿实验负责做真实细胞、体内层面的验证,二者不是