RNA藥物發現迎來突破，首個RNA基礎模型揭示超10億個核苷酸水平的測量技術

編輯 | KX

近日，生技公司Atomic AI 宣布成功開發了第一個利用化學製圖資料的大型語言模型（LLM）。 Atomic AI 將先進的機器學習技術與最新的結構生物學相結合，旨在破解RNA 藥物的發現之謎

Atomic AI 的研究人員創建了一個新的平台組件，利用內部使用定制濕實驗室分析收集的大規模化學作圖資料。科學家收集了數百萬個 RNA 序列的數據，並進行了超過 10 億個核苷酸水平的測量。透過這些資料的訓練，ATOM-1 對 RNA 有了豐富的了解，然後可以用來優化不同 RNA 模式的特性。

Atomic AI twitter 網址：https://twitter.com/AtomicAICo/status/1735659469609037974

Atomic AI在12月14日發佈了一篇題為《ATOM-1：基於化學圖譜資料建構的RNA結構與功能的基礎模型》的預印本論文，這篇論文發表在bioRxiv。在這篇論文中，Atomic AI詳細描述了他們獨特的ATOM-1™平台組件，這個基礎模型能夠準確預測RNA的結構和功能，對於改善RNA療法的開發具有重要作用

論文連結：https://doi.org/10.1101/2023.12.13.571579

#Atomic AI 首席科學官Manjunath Ramarao 博士說：

「ATOM-1 能夠預測RNA 的結構和功能方面以及RNA 模式的關鍵特徵，包括小分子、mRNA 疫苗、siRNA 和環狀RNA，以幫助有效設計治療方法。我們的目標是創建一個簡化的藥物發現流程，以推進我們自己的管道，並與合作夥伴合作，幫助驗證他們的RNA 靶點和工具，最終快速、更有效地為患者提供所需的治療方法。」

Atomic AI 創始科學家兼機器學習主管Stephan Eismann 博士表示：

「透過建立基於RNA 核苷酸修飾和下一代定序的大型數據集，Atomic AI 團隊創建了首個RNA 基礎模型。我們對我們的模型在RNA 研究的其他方面的廣泛應用以及它優化基於RNA 的藥物的各種特性的潛力感到興奮，例如mRNA 疫苗的穩定性和翻譯效率或siRNA 的活性和毒性。」

缺乏可用的高品質RNA 數據

基於RNA 的藥物和RNA 標靶藥物正成為治療疾病的有前途的新方法。優化這些療法需要進行耗時且昂貴的實驗篩選，而合理的設計則需要準確理解 RNA 的結構和功能

迄今為止，生命科學界幾乎沒有可用的高品質RNA數據。因為現有的方法，如用於收集體內資訊的動物模型或用於確定3D RNA結構的冷凍電子顯微鏡（cryo-EM），難以使用且耗時。由於缺乏「真實」數據，優化關鍵RNA治療特性（包括穩定性、毒性和翻譯效率）一直具有挑戰性

首個在化學圖譜數據上訓練的RNA 基礎模型

為了回應這項設計挑戰，Atomic AI  推出了 ATOM-1，這是第一個在化學圖譜資料上訓練的 RNA 基礎模型，透過專門為機器學習訓練開發的資料收集策略來實現。在 ATOM-1 嵌入之上使用小型探針（probe）神經網絡，證明該模型已經開發了豐富的 RNA 內部表示。經過有限數量額外數據的訓練，這些小型網路在關鍵 RNA 預測任務上實現了最先進的準確性，這表明這種方法可以實現整個 RNA 領域的療法設計。

圖示：用於二級結構預測的 ATOM-1 探針具有高精度概括。 （資料來源：論文）

ATOM-1 能夠更精確地預測RNA 的二級和三級結構，相較於先前發表的方法

##圖示：在一個二級結構上訓練的具有257 個參數的線性探針可推廣到其他RNA。 （資料來源：論文）

圖示：用於三級結構預測的 ATOM-1 探針展示了最先進的準確性。 （資料來源：論文）

值得注意的是，在比較ATOM-1 與其他疫苗設計​​計算工具的回顧性分析中，ATOM-1 優於所有1,600 種其他預測溶液內mRNA 穩定性的方法。基於這些結果，新的基礎模型可以用有限的數據進行調整，以預測 RNA 的不同特性，不僅可以確定 RNA 的結構，還可以預測 RNA 療法的其他關鍵特徵。

圖示：ATOM-1 探針與沒有基礎模型嵌入的基線相比的結構預測。 （資料來源：論文）

在過去的兩年半中，我們一直有目的地設計和收集資料來訓練我們的基礎模型，"Atomic AI" 創辦人兼執行長 Raphael Townshend 博士表示。 "透過機器學習和生成人工智慧，我們現在有了一個獨特的機會，ATOM-1 可以透過少量的初始資料點進行調整，以高精度預測RNA 的結構和功能。"

曾登Science 封面，Atomic AI 專有的 AI 驅動3D RNA 結構引擎

Atomic AI 是一家新興的生物技術公司，成立於2021年5月，總部位於舊金山灣區。該公司專注於利用機器學習和結構生物學的融合來推進RNA藥物發現。他們開發了一個專有平台，利用深度學習基礎模型來探索和設計RNA靶向小分子、基於RNA的藥物和RNA工具

Atomic AI 的技術的相關文章《RNA 結構的幾何深度學習》（「Geometric deep learning of RNA structure」）已登上《Science》雜誌封面。

Science 封面文章連結：https://www.science.org/doi/10.1126/science.abe5650

Atomic AI 的PARSE 引擎是一種使用人工智慧驅動的3D RNA 結構引擎，它能夠產生RNA 結構資料集。透過將機器學習的基礎模型與濕實驗室的大規模內部實驗相結合，該引擎能夠揭示RNA 標靶的功能結合物

其突破性技術能夠以前所未有的速度和準確性預測結構化、可配體的RNA 基序，這是目前RNA 藥物發現方法的關鍵障礙。

透過結合先進的演算法和大規模的實驗生物學研究，可以設計出新型的RNA標靶藥物和基於RNA的藥物來治療目前沒有已上市藥物的疾病

透過利用我們發現並設計的3D RNA結構資料庫，Atomic AI計劃推進一系列合理設計的小分子候選藥物的開發

Atomic AI 在兩輪投資中籌集了總計4200 萬美元的資金，最新一輪融資於2023 年1 月獲得A 輪融資。 Atomic AI 在兩輪投資中籌集了總計4,200 萬美元的資金，最新一輪融資於2023 年1 月獲得A 輪融資

Atomic AI 在人工智慧增強的結構生物學領域處於領先地位，得到了由機器學習研究人員、藥物化學家、工程師和實驗生物學家以及策略科學顧問和世界級投資者組成的跨學科團隊的支持。他們透過改變RNA 藥物的設計，成功治療了無法治療的疾病

Atomic AI 官網：https://atomic.ai/

參考內容：https://www.businesswire. com/news/home/20231215527488/en/

以上是RNA藥物發現迎來突破，首個RNA基礎模型揭示超10億個核苷酸水平的測量技術的詳細內容。更多資訊請關注PHP中文網其他相關文章！