CodonMamba: a foundation model for programmable mRNA coding sequence design

In elke levende cel draait een complexe assemblageband die genetische instructies omzet in de eiwitten die het leven in beweging houden. Deze instructies zijn geschreven in een taal bestaande uit vier chemische letters, gegroepeerd in triplets die codons worden genoemd. Hoewel de genetische code universeel is, varieert de manier waarop verschillende organismen deze triplets gebruiken; sommigen geven de voorkeur aan bepaalde combinaties boven andere, vergelijkbaar met hoe verschillende dialecten specifieke woorden bevoordelen voor dezelfde gedachte. Wetenschappers proberen deze genetische boodschappen al lang te herschrijven om krachtige medicijnen te creëren, met name messenger RNA, of mRNA, dat fungeert als een tijdelijke blauwdruk voor het maken van therapeutische eiwitten. Het ontwerpen van deze sequenties is echter een delicaat evenwichtsproces. De code moet niet alleen het juiste eiwit produceren, maar ook correct vouwen, stabiel blijven en efficiënt worden afgelezen door de specifieke gastheercel waarin hij terechtkomt. Jarenlang hebben onderzoekers vertrouwd op computerprogramma's om deze sequenties te optimaliseren, maar deze tools vereisten vaak een volledige herziening wanneer een wetenschapper de regels wilde veranderen voor een nieuwe gastheer of een andere medische toepassing.

Een team van onderzoekers heeft nu een nieuwe aanpak geïntroduceerd genaamd CodonMamba, een systeem dat is ontworpen om deze genetische sequenties met ongekende flexibiliteit te begrijpen en te genereren. In plaats van simpelweg patronen uit bestaande gegevens te memoriseren, functioneert dit systeem als een foundation model, een type kunstmatige intelligentie dat is getraind op een enorme bibliotheek van natuurlijke coderende sequenties om de onderliggende regels van de biologische taal te begrijpen. De onderzoekers testten dit model tegen een uitgebreide set van twaalf verschillende taken gerelateerd aan het voorspellen van hoe mRNA zich gedraagt. In deze tests presteerde CodonMamba beter dan elke eerdere methode en eindigde het op de eerste plaats in tien van de twaalf categorieën. Dit succes suggereert dat het model een diep, generaliseerbaar begrip heeft geleerd van hoe genetische sequenties functioneren, waardoor het uitkomsten met een hoge mate van nauwkeurigheid kan voorspellen in een breed scala aan biologische scenario's.

Wat dit werk onderscheidt, is niet alleen de nauwkeurigheid, maar ook het vermogen om op het moment van creatie door de gebruiker te worden gestuurd. Traditioneel, als een wetenschapper een sequentie voor een specifiek organisme wilde ontwerpen, moest hij het hele computermodel opnieuw trainen met nieuwe gegevens, een traag en rigide proces. CodonMamba verandert deze dynamiek door wetenschappers toe te staan hun voorkeuren direct tijdens de generatiefase op te geven. Door gebruikersgedefinieerde regels te introduceren over hoe vaak bepaalde codons moeten voorkomen, kan het systeem onmiddellijk worden aangepast aan de behoeften van een specifieke gastheer of toepassing zonder dat het opnieuw getraind hoeft te worden. Dit betekent dat één enkel model gebruikt kan worden om sequenties voor verschillende omgevingen te ontwerpen, simpelweg door de instructies die eraan worden gegeven aan te passen, waarbij de kern van de biologische logica behouden blijft terwijl de stilistische keuzes worden verschoven om in de nieuwe context te passen.

In hun experimenten toonden de onderzoekers aan dat dit systeem meerdere ontwerpdoelen tegelijkertijd kon coördineren, door verschillende eigenschappen van de sequentie simultaan te optimaliseren. Ze lieten zien dat het model een genetisch ontwerp bedoeld voor de ene gastheer kon nemen en het kon heroriënteren voor een andere, waarbij de onderliggende voorkeuren werden gewijzigd terwijl de essentiële structurele keuzes intact bleven. Deze capaciteit markeert een verschuiving van statische optimalisatie naar een programmeerbaar framework, waarbij het ontwerpproces een gesprek wordt tussen de wetenschapper en het model. De resultaten wijzen erop dat dit foundation model een nauwkeurig en aanpasbaar instrument biedt voor het technisch ontwerpen van mRNA, waardoor het vakgebied beweegt naar een toekomst waarin genetische sequenties kunnen worden afgestemd met een niveau van specificiteit en gemak dat voorheen onbereikbaar was.