清華大學與中國醫(yī)學科學院合作解析新冠病毒RNA基因組結構，并通過人工智能方法發(fā)現(xiàn)治療新冠肺炎有效藥物
新型冠狀病毒是全球新冠肺炎大爆發(fā)的罪魁禍首(Perlman, 2020)。迄今為止，已經感染了1億多人，死亡人數超過250萬，給人類社會造成了巨大災難。新冠病毒是單鏈RNA病毒，其RNA基因組是調控病毒感染的重要因子。新冠病毒的RNA基因組非常小，所編碼的蛋白質數目也很有限，病毒的生命周期極大依賴宿主細胞中的蛋白質因子來完成(Gordon et al., 2020; Schmidt et al., 2020)。解析新冠病毒RNA基因組的在宿主細胞內的分子結構，確定與其相互作用的宿主因子，有助于開發(fā)治療新冠肺炎的特效藥物。
近日，清華大學生命科學學院張強鋒教授課題組與中國醫(yī)學科學院王健偉教授課題組、清華大學醫(yī)學院丁強教授課題組合作，解析了人細胞內新冠病毒RNA的全基因組結構?；诩毎麅鹊牟《綬NA結構數據，張強鋒課題組依靠新開發(fā)的人工智能算法工具PrismNet，預測了大量結合新冠RNA的宿主蛋白質因子。令人振奮的是，研究團隊發(fā)現(xiàn)，一些宿主因子已有的靶向藥物，可以經過重定位，在細胞內抑制新冠病毒感染，是抗新冠肺炎的潛在候選藥物（圖1）。
圖1 解析新冠病毒體內RNA結構，并基于結構發(fā)現(xiàn)相關宿主因子，篩選潛在抗病毒重定位藥物(圖源自Sun et. al., 2021a)
RNA結構是RNA功能和調控的基礎。長期以來，科研工作者通過X射線晶體衍射、核磁共振、冷凍電子顯微鏡等方法解析了大量RNA結構，揭示了各種RNA結構與功能關系。近年來一些新的結構解析方法給開發(fā)出來，結合細胞內的人為RNA化學修飾和深度測序技術，在全轉錄組水平檢測細胞內的RNA二級結構(Spitale et al., 2015)。這些新的RNA高通量技術，揭示了大量RNA結構參與轉錄后調控的規(guī)律和機制。
張強鋒課題組自建立起一直致力于研究RNA結構，專注于新技術的開發(fā)和應用，并進一步利用這些新方法深入理解RNA結構的科學意義及醫(yī)學應用。在之前的工作中，張強鋒課題組利用兩種RNA結構新技術（icSHAPE技術與PARIS技術）解析了寨卡病毒的RNA基因組結構。寨卡病毒在2007年爆發(fā)，其病毒基因組可以大致分為流行的亞洲株系和非流行的非洲株系。該課題組的研究發(fā)現(xiàn)了一個在亞洲株系中特異存在的RNA結構元件，實驗驗證表明該結構元件可能會提高病毒的感染力，為流行病毒株系導致的病毒大流行提供了新的解釋(Li et al., 2018)。
張強鋒課題組還致力于開發(fā)新的人工智能方法來解決復雜的生物學問題。在一個與該新冠病毒RNA結構研究同時發(fā)表的工作中，該課題組通過整合對應的細胞內RNA結構信息和RBP結合信息，開發(fā)了一個可以準確預測RNA結合蛋白（RBP）的結合位點及其變化的深度神經網絡PrismNet（圖2）。RBP在轉錄、RNA代謝以及翻譯過程中起重要的調控作用。CLIP實驗技術作為RNA研究最重要的技術之一，可以解析RBP在整個轉錄組上的結合圖譜，是系統(tǒng)理解一個RBP功能及其調控機制的基礎。多年的科學研究積累了大約200個基于CLIP實驗的RBP轉錄組結合圖譜，是研究RNA調控的重要資源。PrismNet的一個重要應用價值在于大大擴充了這個資源。比如，對于任意一個RBP，只要在任意一個細胞背景下做了CLIP實驗，PrismNet就可以通過構建準確的深度神經網絡模型，把該RBP的結合信息外推到其他解析了RNA結構的細胞背景中(Sun et al., 2021b)。
圖2 人工智能方法PrismNet的構建及應用(圖源自Sun et. al., 2021b)
疫情爆發(fā)后，張強鋒課題組迅速行動，與中國醫(yī)學科學院王健偉課題組以及清華大學丁強課題組通力合作，致力于解析新冠病毒感染的分子機制，發(fā)現(xiàn)抗病毒的特效藥物?；谡n題組之前的技術優(yōu)勢，張強鋒課題組利用icSHAPE技術解析了感染細胞內新冠病毒RNA基因組的二級結構圖譜并搭建了二級結構模型。通過結構模型，作者找到了大量保守的RNA結構元件，并通過反義多聚核酸（ASO）干擾、結構突變等實驗手段驗證了一些RNA元件對病毒生長的作用。
更重要的是，課題組利用解析得到的新冠病毒的RNA結構和上文提到的人工智能方法PrismNet，準確預測了多個與新冠病毒RNA相互作用的宿主蛋白，并對其中一部分相互作用及其功能相關性進行了實驗驗證。針對這些宿主因子，合作團隊找到了多個的市場上已有的靶向藥物。實驗表明，經過這些藥物處理的細胞感染新冠病毒的能力大大減弱了。這意味著，這些重定位藥物可以為治療新冠肺炎提供新的潛在候選治療方案(Sun et al., 2021a)。
該研究工作在Cell雜志和Cell Research雜志上同時發(fā)表。其中新冠病毒RNA基因組結構解析和藥物重定向的工作發(fā)表在Cell雜志上（2月9日），題為“通過細胞內新冠病毒RNA結構發(fā)現(xiàn)靶向宿主蛋白的重定位藥物”（In vivo structural characterization of the SARS-CoV-2 RNA genome identifies host proteins vulnerable to repurposed drugs），原文鏈接為：https://www.cell.com/cell/fulltext/S0092-8674(21)00158-6；研究中所使用的預測細胞內RNA-蛋白質相互作用的人工智能方法發(fā)表在Cell Research雜志上（2月23日），題為“使用人工智能方法基于細胞內RNA結構預測蛋白質-RNA動態(tài)相互作用”（Predicting dynamic cellular protein–RNA interactions by deep learning using in vivo RNA structures），原文鏈接為：https://doi.org/10.1038/s41422-021-00476-y。
清華大學張強鋒研究員、中國醫(yī)學科學院王健偉教授以及清華大學丁強研究員為新冠病毒論文的共同通訊作者；清華大學博士后孫磊、清華大學博士生李盼、清華大學博士生鞠曉輝、中國醫(yī)學科學院博士后饒健、清華大學博士生黃文澤為該論文共同第一作者。同時，張強鋒研究員還是人工智能方法論文的通訊作者；清華大學博士后孫磊、博士生徐魁、黃文澤等為該論文共同第一作者。研究工作獲得國家自然科學基金委、科技部重點研發(fā)計劃、清華大學春風基金，北京結構生物學高精尖創(chuàng)新中心、清華-北大生命聯(lián)合中心等資助。
參考文獻：
Gordon, D.E., Jang, G.M., Bouhaddou, M., Xu, J., Obernier, K., White, K.M., O'Meara, M.J., Rezelj, V.V., Guo, J.Z., Swaney, D.L., et al. (2020). A SARS-CoV-2 protein interaction map reveals targets for drug repurposing. Nature 583, 459-468.
Li, P., Wei, Y., Mei, M., Tang, L., Sun, L., Huang, W., Zhou, J., Zou, C., Zhang, S., Qin, C.F., et al. (2018). Integrative Analysis of Zika Virus Genome RNA Structure Reveals Critical Determinants of Viral Infectivity. Cell Host Microbe 24, 875-886 e875.
Perlman, S. (2020). Another Decade, Another Coronavirus. N Engl J Med 382, 760-762.
Schmidt, N., Lareau, C.A., Keshishian, H., Ganskih, S., Schneider, C., Hennig, T., Melanson, R., Werner, S., Wei, Y., Zimmer, M., et al. (2020). The SARS-CoV-2 RNA-protein interactome in infected human cells. Nat Microbiol.
Spitale, R.C., Flynn, R.A., Zhang, Q.C., Crisalli, P., Lee, B., Jung, J.W., Kuchelmeister, H.Y., Batista, P.J., Torre, E.A., Kool, E.T., et al. (2015). Structural imprints in vivo decode RNA regulatory mechanisms. Nature 519, 486-490.
Sun, L., Li, P., Ju, X., Rao, J., Huang, W., Zhang, S., Xiong, T., Xu, K., Zhou, X., Ren, L., et al. (2021a). In vivo structural characterization of the whole SARS-CoV-2 RNA genome identifies host cell target proteins vulnerable to re-purposed drugs. Cell https://doi.org/10.1016/j.cell.2021.02.008.
Sun, L., Xu, K., Huang, W., Yang, Y.T., Li, P., Tang, L., Xiong, T., and Zhang, Q.C. (2021b). Predicting dynamic cellular protein-RNA interactions using deep learning and in vivo RNA structure. Cell Research, https://doi.org/10.1038/s41422-41021-00476-y.
版權與免責聲明：本網頁的內容由收集互聯(lián)網上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com