体外转录过程产量与产品质量预测的模块化机制模型
分子网络
2026-02-10 v1
摘要
体外转录 (IVT) 在 mRNA 疫苗和治疗性制剂的制造中发挥着关键作用。优化 mRNA 产量并确保产品质量（如掩码效率和完整性）至关重要，但机制复杂。本研究提出了 IVT 过程的模块化机制模型，以促进科学理解并提高预测能力。将 IVT 反应网络分解为描述 (1) 启动和掩码、(2) 延伸和截断、(3) 终止和读through、(4) mRNA 降解、(5) 镁磷酸酯沉淀、以及 (6) 磷酸酯的酶降解的相互关联模块。基于生化原理和实验数据，为每个模块开发了动力学模型，考虑质量平衡、分子复合以及酶活性，并将其组装以捕获耦合的 IVT 动力学。应用多变量残差分析和Shapley 值敏感性分析，引导领域知识，迭代改进模型保真度。这些机器学习驱动的分析使我们能够识别关键机制，支持原位实验，并促进根本原因分析。结合基于高斯过程的批量贝叶斯优化进行高效参数估计，该框架建立了一个可扩展的混合（机制 + 机器学习）建模平台，将异构数据整合进来，加快模型校准，并支持 mRNA 制造工艺的合理设计和优化。
引用
@article{arxiv.2602.07257,
title = {A Modular Mechanistic In Silico Model for In Vitro Transcription Process Yield and Product Quality Prediction},
author = {Keqi Wang and Keilung Choy and Eli Reiser and Jinxiang Pei and Hua Zheng and Aparajita Dasgupta and Fuqiang Cheng and Guogang Dong and Bhanu Chandra Mulukutla and Joshua Mannheimer and Carolyn Huang and Hooman Farsani and Wei Xie},
journal= {arXiv preprint arXiv:2602.07257},
year = {2026}
}
备注
44 pages, 14 figures