Evaluating codon optimization strategies for mammalian glycoprotein production with an open-source expression vector

Deze studie toont aan dat voor de productie van glycoproteïnen in zoogdiercellen de native codonvolgorde doorgaans voldoende is voor een robuuste expressie, terwijl specifieke strategieën zoals het gebruik van de meest voorkomende codons soms de opbrengst kunnen verhogen, maar dat optimalisatie voor RNA-stabiliteit de expressie juist kan verminderen.

De kern

🧬 De receptuur voor succes: Waarom "perfect" niet altijd "beter" is

Stel je voor dat je een gigantische fabriek hebt die eiwitten moet maken. Deze eiwitten zijn als de gerechten in een restaurant. Om een gerecht te maken, heb je een recept nodig. In de biologie is dat recept je DNA.

Maar er is een probleem: de fabriek (onze cellen) leest het recept niet letterlijk woord voor woord. Ze leest het in blokken van drie letters, zogenaamde codons. Voor één ingrediënt (een aminozuur) zijn er vaak meerdere manieren om dat blokje te schrijven. Het is alsof je in een recept kunt schrijven: "neem een ei", "neem een kippenei" of "neem een eierdooier". Het resultaat is hetzelfde, maar de tekst is anders.

Wetenschappers dachten jarenlang dat je het recept moest "optimaliseren" om de fabriek sneller te laten draaien. Ze dachten: "Laten we alle rare woorden in het recept vervangen door de meest populaire, snelle woorden!"

Yang en zijn team hebben dit idee getest en kwamen tot een verrassende conclusie: het originele recept werkt vaak het beste.

Hier is hoe ze dat deden, vertaald in alledaagse termen:

1. De Nieuwe Keuken: Het pTipi-vectortool

Om dit te testen, bouwden ze een nieuwe, strakke "keuken" (een DNA-vector genaamd pTipi).

• De metafoor: Veel bestaande keukens hebben veel onnodig gereedschap en rommel die de ruimte innemen. Ze maakten een keuken die alleen de essentie bevat: een sterke kachel (promotor), een duidelijke instructie (intron) en een afvalbak (polyA-signaal).
• Het resultaat: Deze nieuwe, lichte keuken bleek uitstekend te werken voor het maken van antilichamen (de "chefs" die andere gerechten vinden). Ze maakten zelfs een set van standaard recepten (antistoffen) die iedereen gratis kan gebruiken.

2. De "Bake-off" (De Bakwedstrijd)

Vervolgens organiseerden ze een grote wedstrijd. Ze namen 18 verschillende eiwitten (uit de Wnt-familie, belangrijk voor celcommunicatie) en maakten voor elk eiwit vijf verschillende versies van het recept:

1. Het Origineel (Native): Het recept zoals de natuur het heeft geschreven.
2. De "Skewed" (Scheef): Een recept waar alleen de allerpopulairste, meest gebruikte woorden voor elk ingrediënt zijn gebruikt. (Alsof je in elk recept alleen "kippenei" schrijft, nooit "eierdooier").
3. De "Harmonized" (Geharmoniseerd): Een recept dat probeert de ritme van het origineel te behouden, maar de rare woorden netjes verdeelt.
4. De "LinearDesign" (Stabiliteit): Een recept dat is ontworpen om het papier (het RNA) zo sterk en stabiel mogelijk te maken, zodat het niet snel verslijt.
5. De "Bedrijfsversies": Recepten die door grote commerciële bedrijven zijn gemaakt met hun eigen software.

3. De Uitslag: Wat bleek er?

Ze lieten de fabriek (mammalier cellen) deze recepten draaien en keken hoeveel eiwit er uitkwam.

• De grote verrassing: Het idee dat je het recept moet "optimaliseren" om meer op te leveren, bleek niet te kloppen voor menselijke eiwitten in menselijke cellen.
• De "Stabiele" versie faalde: De versie die speciaal was ontworpen om het RNA-papier superstabiel te maken (LinearDesign), gaf juist weinig op. Het was alsof je een recept schrijft op een onbreekbaar, maar onleesbaar steenplaatje. De fabriek kon het niet goed lezen.
• Het origineel wint: De natuurlijke versie (Native) was bijna altijd goed. Soms zelfs beter dan de "geoptimaliseerde" versies.
• De "Scheve" versie is soms slim: De versie die alleen de populairste woorden gebruikte (Skewed), deed het soms zelfs beter dan het origineel. Het lijkt erop dat de fabriek deze populaire woorden zo snel kan verwerken dat het een extra boost geeft, zonder dat het de productie verstoort.

4. De Conclusie voor de Toekomst

De boodschap van dit onderzoek is simpel:

• Vertrouw op het origineel: Als je een menselijk eiwit in een menselijke cel wilt maken, hoef je het recept meestal niet te herschrijven. De natuur heeft het al goed gedaan.
• Pas op met "stabiliteit": Het proberen om het RNA-papier te sterk te maken, kan averechts werken.
• Soms mag je experimenteren: Als je echt wilt proberen, kun je proberen alleen de populairste woorden te gebruiken, maar doe dat niet blindelings.

De "Gouden Gate" oplossing:
Om anderen te helpen om dit zelf te testen, hebben ze hun keuken (de pTipi-vector) aangepast zodat je recepten er heel makkelijk in kunt plakken, net als Lego-blokjes. Ze hebben dit ontwerp openbaar gemaakt, zodat elke wetenschapper of student het kan gebruiken om zelf te ontdekken wat het beste werkt.

Samenvattend in één zin:

Wetenschappers ontdekten dat je bij het maken van menselijke eiwitten in menselijke cellen vaak beter je eigen recept kunt volgen dan proberen het te "verbeteren" met software, omdat de natuur al een perfect evenwicht heeft gevonden.

Technische samenvatting

Probleemstelling

De efficiënte productie van menselijke glycoproteïnen in zoogdiercellen (zoals HEK293 en CHO) is cruciaal voor de ontwikkeling van therapeutische antilichamen en hulpmiddelen. Hoewel codonoptimalisatie (het aanpassen van het DNA-gebruik om de expressie te verhogen) een standaardpraktijk is in de biotechnologie, is de effectiviteit ervan in homologe systemen (menselijke genen in menselijke cellen) slecht gedefinieerd.

• Er bestaat een algemene aanname dat het vermijden van zeldzame codons en het maximaliseren van RNA-stabiliteit de opbrengst verhoogt.
• Er is echter geen systematisch onderzoek uitgevoerd dat verschillende optimalisatiestrategieën vergelijkt voor menselijke glycoproteïnen in menselijke cellen.
• Veel bedrijven gebruiken proprietary algoritmen die vaak leiden tot extreme "skewing" (vertekking) naar de meest voorkomende codons, zonder dat de impact op de werkelijke eiwitopbrengst duidelijk is.

Methodologie

De auteurs voerden een uitgebreide "bake-off" (vergelijkende studie) uit om vijf verschillende strategieën voor codon-gebruik te evalueren:

1. Native: De oorspronkelijke cDNA-sequentie (afgeleid van RefSeq).
2. Skewed: Gebruik van uitsluitend de meest voorkomende (abundante) codon voor elke aminozuur.
3. Harmonized: Herverdeling van zeldzame codons om een patroon te behouden dat lijkt op de native sequentie (gebruikmakend van de Charming-software), met behoud van een vergelijkbare Codon Adaptation Index (CAI).
4. LinearDesign: Optimalisatie voor RNA-stabiliteit (minimaliseren van de vrije energie van de mRNA-structuur) met een CAI-drempel van >0,8.
5. Commercieel (Company A & D): Proprietary algoritmen van synthetische genenleveranciers.

Experimenteel Ontwerp:

• Doelproteïnen: 18 glycoproteïnen uit de Wnt-signaleringsweg (9 menselijke en 9 muizen-orthologen, waaronder receptoren zoals ROR1, ROR2, LRP4, LRP5, LRP6).
• Expressievector: De auteurs ontwikkelden pTipi2.1, een minimale, open-source expressievector. Deze bevat essentiële elementen (CMV-promotor, chimerische intron, Kozak-sequentie, signaalpeptide, WPRE, poly-A signaal) maar is vrij van overbodige "stuffer"-sequenties, wat de vectorgrootte minimaliseert.
• Screening:
  • Kleinschalig: Expressie in Expi293F-cellen (384-well platen) met detectie via ELISA (biotinylering en streptavidine-detectie).
  • Grootschalig: Expressie van 100 mL voor geselecteerde constructen (ROR1, ROR2, LRP6), gevolgd door zuivering via affiniteitschromatografie (Ni-NTA) en grootte-exclusiechromatografie (SEC).
• Tooling: De vector werd aangepast naar pTipi2.2 om Golden Gate-klonering (scarless cloning) mogelijk te maken voor efficiënte insertie van synthetische genen.

Belangrijkste Bijdragen

1. Open-source Vector (pTipi): Introductie van pTipi2.1 en pTipi2.2, die beschikbaar zijn via Addgene. Deze vectoren zijn klein, efficiënt en compatibel met moderne kloneringstechnieken.
2. Systematische Vergelijking: De eerste grote, gestructureerde vergelijking van codon-optimalisatiestrategieën specifiek voor homologe zoogdierexpressie.
3. Gedistribueerde Reagentia: Generatie en distributie van plasmiden voor veelgebruikte epitoot-tags (V5, His, Biotine, etc.) en de Wnt-constructen.

Resultaten

De resultaten van de kleine en grote schaal screens leverden enkele verrassende inzichten op:

• Geen Algemene Voordelen voor Optimalisatie: In de meeste gevallen bood codonoptimalisatie geen algemeen voordeel ten opzichte van native sequenties. Native codons bleken voldoende voor robuuste expressie.
• Schade door RNA-stabiliteitsoptimalisatie: Strategieën die zich richtten op het maximaliseren van RNA-stabiliteit (LinearDesign) resulteerden consistent in lage opbrengsten. In sommige gevallen (zoals bij murine LRP4 en menselijk ROR1) was de expressie aanzienlijk lager dan bij andere strategieën.
• Effect van "Skewed" Codons: Het gebruik van uitsluitend de meest voorkomende codons ("Skewed") presteerde over het algemeen vergelijkbaar met native sequenties en leverde soms zelfs hogere opbrengsten op (bijv. bij menselijk ROR1). Dit suggereert dat tRNA-depletie in deze context geen beperkende factor is en dat hergebruik van abundant tRNA efficiënt kan zijn.
• Harmonisatie: De "Harmonized" strategie toonde de grootste variabiliteit; het was soms de beste, maar vaak ook de slechtste performer.
• Commerciële Algoritmen: De strategieën van leveranciers (Company A en D) presteerden variabel. Company D's aanpak (met een lagere CAI en meer gelijkmatige verdeling) presteerde soms goed, maar niet systematisch beter dan native.
• Vector Prestaties: De pTipi2.1 vector leverde hoge opbrengsten voor antilichamen (mediaan ~160 mg/L), wat aantoont dat de vector zelf betrouwbaar is voor tijdelijke expressie.

Significantie en Conclusie

De studie ondermijnt de algemene aanname dat codonoptimalisatie noodzakelijk is voor de expressie van menselijke eiwitten in menselijke cellen.

• Conclusie: Voor homologe zoogdierexpressie van glycoproteïnen zijn native codons voldoende en vaak de veiligste keuze. Extreme optimalisatie, met name die gericht op RNA-stabiliteit, kan zelfs contraproductief zijn.
• Praktische Implicatie: Laboratoria hoeven niet langer te vertrouwen op dure, proprietary optimalisatie-algoritmen voor menselijke genen in menselijke cellen. Als er een reden is om te optimaliseren (bijvoorbeeld om restrictie-enzymen te verwijderen of synthetische kosten te verlagen), kan een "skewed" strategie (alleen meest voorkomende codons) een goed alternatief zijn, maar dit moet per target gevalideerd worden.
• Toekomst: De beschikbaarheid van de pTipi-vector en de bijbehorende Golden Gate-systeem stelt onderzoekers in staat om flexibel en kosteneffectief verschillende codon-strategieën te testen zonder de beperkingen van commerciële vectoren.

Kortom, de paper biedt een evidence-based richtlijn: "Native is vaak goed genoeg, en 'meer' optimalisatie is niet altijd 'beter'."