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

Este estudo demonstra que, para a produção de glicoproteínas em células de mamíferos, o uso de sequências codificantes nativas é geralmente suficiente para uma expressão robusta, enquanto estratégias de otimização de códons focadas na estabilidade do RNA podem reduzir o rendimento, embora a seleção de códons mais abundantes possa ocasionalmente melhorar a produção.

O essencial

Imagine que você é um cozinheiro tentando preparar um prato complexo (uma proteína) para uma festa (as células do corpo). Você tem a receita original (o gene humano), mas está preocupado que a cozinha não tenha os ingredientes certos ou que a receita seja difícil de seguir, o que faria o prato sair mal ou demorar muito.

Muitas empresas de biotecnologia acreditam que a melhor solução é reescrever a receita (otimização de códons) para usar apenas os ingredientes mais comuns e fáceis de encontrar, achando que isso vai fazer a comida sair mais rápido e em maior quantidade.

O estudo de Yang e colegas (2026) decidiu testar essa ideia na prática, como se fosse um "concurso de culinária" (um bake-off), para ver se realmente vale a pena mudar a receita ou se a original já funciona bem.

Aqui está o resumo da história, explicado de forma simples:

1. O Cenário: A Cozinha e os Ingredientes

• A Proteína: São como pratos deliciosos, mas complexos, chamados glicoproteínas (importantes para criar remédios e ferramentas biológicas).
• O Código Genético: É a receita escrita. Como várias palavras podem significar a mesma coisa (sinônimos), a receita pode ser escrita de várias formas diferentes sem mudar o sabor do prato.
• A Crença Popular: A indústria acha que, se você reescrever a receita usando apenas as palavras mais comuns da língua (códons abundantes), a cozinha (a célula) vai trabalhar mais rápido e produzir mais comida.

2. A Ferramenta: O "Kit de Cozinha" (pTipi)

Os pesquisadores criaram um novo "kit de cozinha" chamado pTipi. É um vetor (um veículo que carrega o gene) que é pequeno, eficiente e de código aberto (grátis para todos usarem). Eles testaram esse kit fazendo anticorpos e provaram que ele funciona muito bem, produzindo grandes quantidades de proteína.

3. O Grande Concurso: 5 Estilos de Receita

Para testar a teoria, eles pegaram 18 proteínas diferentes (da família Wnt, importantes para o corpo) e criaram 5 versões de cada uma, com estratégias diferentes de "reescrever a receita":

1. A Receita Original (Native): A receita exatamente como ela existe no ser humano.
2. A Receita "Super Comum" (Skewed): Usar apenas os ingredientes mais populares da despensa, ignorando os raros.
3. A Receita "Equilibrada" (Harmonized): Tentar espalhar os ingredientes de forma uniforme, mantendo o ritmo original.
4. A Receita "Estável" (LinearDesign): Focar em fazer a receita ser muito fácil de ler e não se desmanchar (estabilidade do RNA).
5. As Receitas das Empresas (A e D): O que as grandes empresas de síntese de genes sugerem fazer.

4. O Resultado: O Que Aconteceu na Cozinha?

Aqui estão as descobertas principais, usando analogias:

• A "Receita Estável" foi um Desastre: A estratégia que focava em tornar o RNA (a cópia da receita) super estável e com estrutura perfeita (LinearDesign) foi a pior de todas. Em vez de ajudar, ela atrapalhou a produção. Foi como tentar organizar a cozinha de forma tão rígida que o cozinheiro esqueceu como usar as panelas.
• A "Receita Original" é a Campeã Consistente: A versão nativa (como o gene humano original) funcionou muito bem para quase tudo. Ela não foi a melhor em todos os casos, mas foi nunca ruim. É como usar a receita da vovó: às vezes não é a mais rápida, mas o prato sempre fica bom.
• A "Receita Super Comum" (Skewed) é uma Surpresa: Usar apenas os ingredientes mais comuns funcionou bem! Em alguns casos, até produziu mais do que a receita original. Parece que, às vezes, repetir o mesmo ingrediente comum ajuda o cozinheiro a pegar o ritmo e trabalhar mais rápido.
• Não há "Mágica" Universal: Nenhuma estratégia de reescrita funcionou melhor para todas as proteínas. O que funcionou para uma, não funcionou para outra.

5. A Lição Final (O Veredito)

O estudo conclui que, quando estamos trabalhando com células humanas para produzir proteínas humanas (o sistema "homólogo"):

1. Não precisa reescrever a receita: Usar o código genético original (nativo) já é suficiente e muito eficiente. Não perca tempo e dinheiro tentando "otimizar" tudo.
2. Cuidado com o excesso de "estabilidade": Tentar forçar a estrutura do RNA a ser perfeita pode ser contraproducente.
3. Às vezes, simplificar ajuda: Se você quiser tentar algo diferente, usar apenas os códons mais comuns (a estratégia "Skewed") pode ser um bom palpite, mas não é garantido.

Em resumo:
A natureza já escreveu uma ótima receita. A menos que você tenha um motivo muito específico para mudar, não mexa no que não está quebrado. A melhor estratégia para produzir essas proteínas complexas é, na maioria das vezes, simplesmente copiar a receita original do ser humano e deixar a célula fazer o seu trabalho.

Os pesquisadores também disponibilizaram esse "kit de cozinha" (o vetor pTipi) gratuitamente para que qualquer laboratório no mundo possa fazer seus próprios experimentos e testar suas próprias ideias, sem precisar pagar por licenças caras.

Resumo técnico

Título: Simplificação da Expressão de Glicoproteínas Mamíferas: Avaliação de Estratégias de Otimização de Codões

1. Problema e Contexto

A produção eficiente de proteínas humanas em células mamíferas é fundamental para o desenvolvimento de ferramentas de pesquisa e biológicos (como anticorpos terapêuticos). Embora a otimização de codões seja uma prática padrão na indústria para aumentar o rendimento proteico, sua eficácia em sistemas mamíferos homólogos (expressão de genes humanos em células humanas, como HEK293) permanece mal definida.

• Hipótese Comum: Acredita-se que a otimização de codões (substituindo codões raros por frequentes, aumentando o índice de adaptação de codões - CAI, ou melhorando a estabilidade do RNA) aumente sistematicamente a produção de proteínas.
• Lacuna de Conhecimento: Não existem estudos sistemáticos comparando diferentes estratégias de otimização de codões para glicoproteínas humanas em células mamíferas. A literatura atual baseia-se frequentemente em evidências anedóticas ou em sistemas heterólogos (ex: humanos em E. coli).

2. Metodologia

Os autores realizaram um estudo comparativo abrangente ("bake-off") envolvendo 18 glicoproteínas da via de sinalização Wnt (9 ortólogos humanos e 9 murinos).

• Desenvolvimento de Vetor (pTipi):

  • Criaram o vetor de expressão transitória pTipi2.1, um vetor "minimalista" e de código aberto.
  • O vetor contém apenas elementos essenciais: promotor CMV, intron quimérico, sequência Kozak, peptídeo sinal de Azurocidina humana, região de clonagem múltipla, elemento regulatório pós-transcricional WPRE e sinal de poliadenilação HSV.
  • Foi desenvolvido um vetor compatível com Golden Gate (pTipi2.2) para facilitar a incorporação eficiente de genes sintéticos.
  • O vetor e anticorpos de controle foram disponibilizados no Addgene.

• Estratégias de Codões Testadas (5 abordagens):

  1. Nativo (Native): Sequência de DNA derivada diretamente do cDNA (RefSeq), sem alterações.
  2. Distorcido (Skewed): Utiliza exclusivamente o codão mais abundante para cada aminoácido (CAI = 1.0).
  3. Harmonizado (Harmonized): Redistribui codões raros mantendo um perfil de uso similar ao nativo (usando o software Charming).
  4. LinearDesign: Otimiza a energia livre mínima (MFE) da estrutura do RNA para máxima estabilidade, mantendo CAI > 0.8.
  5. Comercial (Company A e D): Sequências otimizadas por algoritmos proprietários de fornecedores de síntese de genes.

• Ensaios de Expressão:

  • Pequena Escala: Triagem em placas de 384 poços com células Expi293F, seguida de detecção por ELISA (tags Avi e His).
  • Grande Escala: Culturas de 100 mL de células Expi293F para proteínas selecionadas (ROR1, ROR2, LRP6), seguidas de purificação por afinidade e Cromatografia de Exclusão Molecular (SEC).

3. Principais Resultados

• Desempenho do Vetor pTipi: O vetor pTipi2.1 demonstrou ser altamente eficiente, produzindo anticorpos quiméricos com rendimentos medianos de ~160 mg/L em expressão transitória, validando sua utilidade como ferramenta padrão.
• Otimização de Codões vs. Sequência Nativa:
  • Conclusão Central: A otimização de codões não forneceu uma vantagem geral sobre as sequências nativas em sistemas mamíferos homólogos. As sequências nativas foram suficientes para uma expressão robusta e nunca foram prejudiciais.
  • Estratégia "Distorcida" (Skewed): O uso exclusivo dos codões mais abundantes produziu rendimentos comparáveis aos nativos e, em alguns casos específicos (ex: ROR1), aumentou o rendimento. Isso sugere que a reutilização eficiente de tRNAs pode ser benéfica, mas não é uma regra universal.
  • Estratégia "LinearDesign" (Estabilidade de RNA): A estratégia que priorizava a estabilidade do RNA (menor energia livre) foi consistentemente a pior performer, resultando em rendimentos significativamente menores ou até na ausência de detecção de proteína em alguns casos.
  • Estratégia "Harmonizada": Apresentou alta variabilidade, sendo a melhor em alguns casos e a pior em outros, sem um padrão claro de superioridade.
• Análise de Dados:
  • As sequências nativas e harmonizadas apresentaram perfis de CAI e conteúdo GC similares.
  • As sequências "Skewed" tiveram o maior conteúdo GC e CAI máximo (1.0).
  • As sequências "LinearDesign" tiveram a menor energia livre de RNA, mas isso correlacionou-se negativamente com o rendimento proteico.

4. Contribuições Chave

1. Recurso de Código Aberto: Disponibilização do vetor pTipi (versões 2.1 e 2.2) e de uma biblioteca de anticorpos de controle (tags V5, His, Biotina, etc.) no Addgene para uso acadêmico e comercial.
2. Evidência Empírica: Fornecimento de dados sistemáticos que desafiam o dogma de que a otimização de codões é sempre necessária ou benéfica para a expressão de proteínas humanas em células mamíferas.
3. Plataforma de Clonagem: Implementação de um esquema de clonagem Golden Gate compatível com o pTipi, permitindo a troca rápida de diferentes estratégias de codões para avaliação flexível.
4. Descoberta de Risco: Identificação de que estratégias focadas exclusivamente na estabilidade do RNA (como o LinearDesign) podem ser prejudiciais à expressão proteica em mamíferos.

5. Significado e Conclusão

O estudo conclui que, para a produção de glicoproteínas humanas em células mamíferas (como HEK293), as sequências de codões nativas são a estratégia mais confiável e robusta. A otimização agressiva de codões não é necessária na maioria dos casos e pode até ser contraproducente se focar apenas na estabilidade do RNA.

A "distorção" de codões (uso exclusivo dos mais frequentes) pode ser uma alternativa viável e às vezes superior para alvos específicos, mas não deve ser aplicada cegamente. A recomendação final é que os pesquisadores evitem a otimização de codões como um passo padrão obrigatório, focando em vez disso em outros parâmetros de design de construtos (limites de domínio, sinal de secreção, etc.) e utilizando o vetor pTipi para facilitar a avaliação empírica de diferentes estratégias quando necessário.