功能性核酸（FNA）设计领域的技术突破 - 文章核心观点：中国科学院研究团队在《自然·计算科学》发表论文，提出了名为InstructNA的新计算框架，该框架结合核酸大语言模型（NA-LLM）和高通量SELEX（HT-SELEX）数据，能够不依赖核酸3D结构信息，从头设计出功能更优的全新核酸适配体，标志着该领域从依赖实验筛选转向以计算预测为主导的新范式[3][6][10] 行业背景与技术挑战 - 功能性核酸（FNA）是经过设计的DNA或RNA分子，其功能超越了存储遗传信息，在化学、生物学、医学和材料科学等多个领域具有巨大潜力[2] - FNA的设计是一项艰巨挑战，主要因为核苷酸序列空间庞大，且其结构具有高度灵活性，导致序列-结构-功能关系异常复杂，阻碍了设计进程[2] - 传统的实验筛选方法（如SELEX）存在成本高昂、成功率低、初始文库序列空间不完整以及PCR偏向性等问题[5] - 计算方法在核酸设计中的应用因实验性核酸3D结构数据稀缺而受阻，现有基于深度学习的模型仅基于少量特定数据训练，无法学习全面的序列-功能关系[5] 新技术框架（InstructNA）概述 - InstructNA是一个利用先进的核酸大语言模型（NA-LLM）和高通量SELEX（HT-SELEX）数据进行从头生成设计功能性核酸（FNA）的框架[6] - 该框架不依赖于难以获得的核酸3D结构信息，直接从序列中学习功能[3] 新技术框架的核心能力与优势 - 研究团队用HT-SELEX数据对现有的NA-LLM进行预训练，生成一个虚拟库，用于生成在物理筛选中常被忽略的更优FNA序列[8] - 开发了HC-HEBO（爬山-异方差演化贝叶斯优化）算法，能够在连续潜在空间中实现FNA的定向进化，通过生成-评估闭环系统，反复优化FNA功能[8] - 与传统的HT-SELEX相比，InstructNA为两种蛋白质靶点LOX1和CXCL5分别生成了亲和力高出**100%**和**200%**的强结合核酸适配体[8] - 新生成序列与原始HT-SELEX核酸适配体的序列相似度低至**38%**，表明其能够探索全新的序列空间，而非简单模仿[8] - 生成的核酸适配体序列对转录因子（TF）的结合特异性高于现有的最先进模型[8] 技术突破的行业影响与前景 - InstructNA的高效性、稳健性和广泛实用性表明了核酸语言模型（NA-LLM），特别是与HT-SELEX集成时，能够推动FNA设计领域的发展[10] - 将FNA设计从依赖耗时费力的实验筛选，转向了以计算预测为主导、实验验证为辅的更高效范式[10] - 能够发现传统实验方法可能遗漏的、结构新颖且功能更优的候选分子[10] - 为开发用于诊断、治疗等各种基于FNA的分子工具开辟了新道路[10]

核酸适配体技术概述 - 核酸适配体是一类短的单链DNA或RNA寡核苷酸，通过形成三维结构靶向特定蛋白或细胞，具有高度特异性、易于合成、可定制、热稳定性好、分子小、组织穿透能力强等优点，是治疗多种疾病的新选择 [2] SPARK-seq技术平台 - 中国科学院团队在Science上发表了研究，开发了名为SPARK-seq的高通量平台，该平台将单细胞mRNA测序、核酸适配体测序与基于CRISPR的细胞表面蛋白扰动技术相结合 [3] - 该技术旨在解决针对细胞表面蛋白进行原位核酸适配体筛选的高通量方法有限的问题，现有技术通量低且可能破坏蛋白质天然构象 [3][5] - SPARK-seq可在单次实验中，将5535种不同的核酸适配体与8种细胞表面蛋白进行匹配，捕获跨越超过两个数量级的蛋白质丰度区间，并涵盖多种生物物理类型的相互作用 [4] - 该方法能够区分高度相似的旁系同源蛋白且未检测到交叉反应，同时提供的动力学信息可用于优先筛选具有慢解离速率的核酸适配体 [4] - 该平台的一体化设计能在天然细胞环境中实现核酸适配体-靶标相互作用的高通量绘制，有效识别低丰度靶标的结合分子，并将靶标发现与动力学分析直接耦合 [5] 技术验证与性能 - 研究团队通过四轮细胞-SELEX筛选后，对核酸适配体库进行了针对13种细胞表面蛋白CRISPR基因敲除的混合细胞群筛选，并利用单细胞测序同步检测gRNA、转录组及核酸适配体结合事件 [6] - 使用自主研发的计算流程SPARTA对8466个高质量单细胞数据进行分析，将前10000条独特核酸适配体序列聚类为1906个家族，并鉴定出靶向8种不同细胞表面蛋白的5535条核酸适配体序列 [6] - 通过流式细胞术、表面等离子共振和微量热泳动等技术进行正交验证，证实了这些核酸适配体具有靶标特异性及纳摩尔级亲和力 [6] - 在多个靶点中，结合差异倍数与解离速率呈现强相关性，但与平衡亲和力无关，凸显了该平台能够筛选出具有延长靶标结合时间的核酸适配体 [7] - SPARTA的卷积神经网络分类器在预测PTK7结合序列方面达到约97%的准确率，其生成模块还成功产生了具有更优动力学特性的功能性核酸适配体变体 [7] 技术意义与应用前景 - SPARK-seq是一个集成平台，结合了CRISPR介导的遗传扰动、单细胞转录组学和基于序列的核酸适配体分析，并通过深度学习框架SPARTA进行增强 [8] - 该工作为“核酸适配体组学”奠定了基础，这是一个多组学驱动的框架，能够大规模、测序驱动地解码核酸适配体结合特异性及靶标特性 [8] - 该技术通过将数百万个核酸适配体结合事件转化为高维测序数据，实现了在数千个单个细胞中直接进行基因型-表型-配体映射 [8] - 这种多模式策略拓展了检测低丰度及构象敏感性靶标的动态范围，在序列分辨率层面解析动力学和富集模式，并支持高特异性核酸适配体的快速、可扩展发现及理性优化，为先进的诊断和治疗应用铺平道路 [8]