生技研發 · global
以萬份樣本追蹤RNA療法作用:PacBio與TychoBio攜手建立AI訓練資料
一段反義核酸進入細胞後,究竟改變了哪些RNA?兩家公司計畫用全長定序串起藥物設計與細胞反應,為罕見疾病療法建立預測工具;模型能否準確判斷療效與非預期作用,尚待驗證。
設計罕見疾病的RNA療法,難題不只在於找到可作用的序列,還要知道候選藥物進入細胞後,會如何改變整體RNA活動。PacBio與TychoBio於10月6日宣布合作,計畫以大規模實驗與全長RNA定序,建立連結藥物設計和細胞反應的資料集,供人工智慧模型學習。
依照合作公告,TychoBio預計使用PacBio的HiFi與Kinnex長讀長RNA定序技術,產生超過一萬份樣本的資料。RTTNews與BioTuesdays的同事件報導也確認這項規模與技術安排。這是預定分析的實驗樣本數,不能解讀為一萬名患者,也不代表資料集已經完成。
第一階段將聚焦於立體阻擋型反義寡核苷酸(SBOs),把不同候選分子的設計,與它們在多種細胞類型中造成的轉錄體變化配對。轉錄體是細胞內各種RNA的整體面貌;研究者希望藉此看見治療所帶來的改變,也辨識原先未預期的影響。双方另計畫將這套方法延伸至小干擾RNA(siRNA)及其他以RNA為作用對象的化合物。
全長資料的價值,在於保留RNA不同版本與剪接方式的線索。BioTuesdays引述TychoBio創辦人暨執行長Felix Raimundo的說明指出,長讀長定序可捕捉完整轉錄本,協助觀察罕見疾病相關的RNA異構型與剪接變化,以及候選療法可能如何改變這些過程。對這項合作而言,藥物作用後的RNA結構與組成,將成為模型學習的重要內容。
兩家公司希望訓練出的模型能預測候選療法的效力、作用持續時間,以及跨細胞類型的非預期轉錄體效應。若這些預測日後獲得驗證,便可能協助研究者決定哪些設計值得投入下一輪實驗。然而,目前公告描述的是資料生成與模型開發計畫,尚未提供模型準確度、獨立驗證結果或人體臨床療效證據。
資料量也無法單獨回答模型是否適用於特定疾病。公告未列出將優先研究的罕見疾病、細胞類型細節或驗證設計;模型從實驗樣本學到的反應,能否延伸至患者,仍是後續開發必須回答的問題。此外,非預期的RNA變化可以提供研究線索,卻不能直接等同於已證實的毒性或臨床安全性。
PacBio將資料生成與療法開發效益列為前瞻性規畫,並註明其產品僅供研究使用,不用於診斷程序。這次合作的具體進展,是為RNA藥物設計安排一套可累積實驗證據的流程;它距離成為可靠的治療預測工具,還需要模型驗證與後續藥物研究逐步接上。