应用深度学习方法预测 RNA 序列的羟基介导亲核降解与分子稳定性

mRNA 链的合成与高效实现已被证明具有广泛用途，尤其近期在 COVID 疫苗开发中。然而，mRNA 的内在化学稳定性因核糖中 2'-羟基的存在而构成挑战。骨架结构中的 -OH 基团使得去质子化羟基对相邻磷发生碱催化亲核攻击，并导致磷酸二酯键的自水解。正如在线水解断裂反应所预期的那样，mRNA 链的化学稳定性高度依赖于外部环境因素，例如 pH、温度、氧化剂等。使用计算模型预测这种化学不稳定性，将通过识别最有前景的候选序列来减少合成和测试的序列数量，从而助力 mRNA 相关疗法的开发。本文提出并评估了三种深度学习模型（长短期记忆网络、门控循环单元和图卷积网络）作为预测 mRNA 序列反应性和降解风险的方法。本研究使用了包含 6034 条 mRNA 序列的 Stanford Open Vaccine 数据集。训练集由其中 3029 条序列（长度为 107 个核苷酸碱基）组成，测试数据集由 3005 条序列（长度为 130 个核苷酸碱基）组成，以结构化（最低熵碱基对概率矩阵）和非结构化（节点与边）形式呈现。mRNA 链的稳定性被准确生成，其中图卷积网络是反应性最好的预测器（$RMSE = 0.249$），而门控循环单元网络在预测降解风险方面表现最佳（$RMSE = 0.266$）。综合所有目标变量，GRU 以 76% 的准确率表现最好。结果表明这些模型可在不久的将来用于理解和预测 mRNA 的化学稳定性。