AI спроектировал белковый транспорт для RNA: STV-C8 превзошёл природные системы и доставил CRISPR в ткани

AI здесь не просто предсказал белок — его дизайн стал частью реальной биологической машины

2 сентября Nature опубликовал peer-reviewed open-access работу команды Helmholtz Munich и Technical University of Munich о Synthetic Transfer Vehicles, или STV. Это белковые конструкции, которые упаковывают RNA, выходят из клетки-продуцента и доставляют cargo в целевые клетки.

Необычность в том, что исследователи не пытались просто скопировать природный вирусный capsid. Они взяли функциональные домены, нужные для связывания с мембраной, budding и RNA packaging, и объединили их с synthetic protein assemblies, спроектированными генеративным AI. Часть таких геометрий почти не представлена у природных вирусов.

После screening более сотни вариантов лучшим оказался STV-C8 — конструкция с необычной циклической C8-симметрией. В cell culture она переносила RNA значительно эффективнее протестированных natural vehicles и lipid nanoparticles в части лабораторных сравнений, а сама система оказалась модульной: можно менять RNA cargo и целевые клетки.

Почему доставка RNA — одна из главных проблем современной генотерапии

RNA-терапия работает только тогда, когда молекула переживает путь до нужной клетки, попадает внутрь и оказывается там, где может выполнить функцию. «Голая» RNA нестабильна, легко разрушается и плохо проходит через мембраны. Поэтому mRNA-вакцины стали возможны не только благодаря самой mRNA, но и благодаря lipid nanoparticles — контейнерам, которые защищают cargo и помогают ему попасть в клетку.

Но у LNP есть компромиссы. Для многих formulations характерно накопление в печени; extrahepatic targeting остаётся сложным; эффективность endosomal escape часто невысока. Viral vectors тоже очень эффективны, но имеют собственные ограничения: иммуногенность, cargo capacity, сложность повторного введения и природную биологию вируса.

Новая работа фактически задаёт вопрос: а что, если не улучшать существующий вирусный контейнер, а построить транспорт с нуля под лабораторную задачу?

Эволюция оптимизировала вирусы не для медицины

Вирусный capsid — результат огромного эволюционного отбора. Он должен выживать, взаимодействовать с организмом-хозяином и обеспечивать цикл размножения. Для терапевтического RNA-delivery значительная часть этих требований не нужна.

Generative protein-design models могут предлагать физически возможные архитектуры, которые естественный отбор никогда не исследовал или не закрепил. Это не значит, что AI «победил эволюцию». Скорее он позволяет инженеру искать решения в части design space, куда природе не было причины заходить.

Как строили STV

Базовая конструкция содержала несколько функциональных компонентов. Мембранный домен помогал будущей частице связываться с plasma membrane. Synthetic late-budding domain рекрутировал клеточную ESCRT-систему, необходимую для отпочковывания. Отдельный модуль связывал RNA через packaging signal.

К этому набору команда подключала AI-designed structural assemblies разной симметрии: icosahedral, dihedral и cyclic. После первых тестов оказалось, что нетипичные dihedral и cyclic геометрии часто работали лучше более «вирусоподобных» icosahedral.

Исследователи отдельно сгенерировали ещё 30 C8-структур и перебрали мембранные домены. Так появилась оптимизированная версия STV-C8, structural core которой имеет необычную planar cyclic architecture.

Лучший кандидат показал очень сильный RNA transfer

В работе нет одной универсальной цифры «STV в X раз лучше LNP» для всех сценариев — эффект зависит от assay, target cells и дозы. Но авторы прямо пишут, что в отдельных сравнениях STV-C8 превосходил tested biological and chemical delivery vehicles на several orders of magnitude по RNA transfer efficiency.

Для оптимизированных vesicles команда также получила более 10 000-fold enrichment cargo RNA в supernatant по сравнению с control без membrane-binding domain. В head-to-head лабораторных сравнениях с LNP исследователи оценивали и количество RNA, необходимое для transfection определённой доли клеток, и уровень protein expression на единицу RNA.

Это важное уточнение: результат не означает, что STV-C8 уже клинически лучше всех LNP. LNP имеют годы clinical validation и масштабное производство. STV — пока experimental platform. Но лабораторный сигнал достаточно сильный, чтобы говорить о новом направлении.

Таргетинг можно программировать

Ещё одна сильная часть работы — tropism. Команда подключала computationally designed peptide minibinders, распознающие определённые surface receptors. В cell models это позволяло менять, какие клетки получают RNA.

Для gene therapy это ключевое свойство. Самое трудное — не просто доставить cargo, а доставить его в правильную ткань и правильный тип клеток. Если modular STV можно будет стабильно перенастраивать под receptors без полного redesign carrier, платформа станет гораздо интереснее одной конкретной конструкции.

Что именно они доставляли

STV-C8 не ограничили reporter RNA. Авторы показали delivery нескольких функционально разных cargo: mRNA, gene editors, transcription factors и programmable antivirals. Среди инструментов были системы CRISPR/Cas9 и другие programmable редакторы.

То есть работа демонстрирует не просто fluorescent signal после доставки. Она проверяет несколько типов payload и показывает, что architecture carrier может пережить смену cargo.

У мышей signal пошёл преимущественно в лёгкие, а не в печень

После intravenous administration у мышей исследователи провели whole-body imaging почти на single-cell resolution. Они увидели сильную и специфичную expression delivered RNA преимущественно в лёгких, но не в печени — органе, куда часто направляются многие lipid-based vehicles.

В протестированных условиях команда не обнаружила immunological или toxicological side effects системного введения. Это обнадёживает, но не равно полноценному toxicology package для человека: речь идёт о ранних animal experiments, конкретных дозах и конкретной конструкции.

Proof-of-concept для Duchenne muscular dystrophy

Самая прикладная часть работы касается DMD — Duchenne muscular dystrophy. У части пациентов mutation нарушает reading frame гена dystrophin. Один из терапевтических подходов — удалить определённый exon так, чтобы восстановить frame и позволить клетке синтезировать более короткую, но функциональную версию белка.

Исследователи использовали STV-C8 для доставки CRISPR/Cas9-компонентов, направленных на deletion exon 51. Они подтвердили editing в skeletal muscle cells, полученных от пациентов с DMD, и провели proof-of-concept в pig muscle.

Это не лечение DMD у свиньи и не готовая терапия. Авторы прямо пишут, что локальная intramuscular delivery не является практичным способом лечить системное мышечное заболевание. Впереди systemic targeting, biodistribution, immune response, manufacturing и долгосрочная safety.

AI здесь не был «автономным учёным»

Важно правильно описать роль AI. RFdiffusion не придумал терапию самостоятельно, не выбрал DMD и не провёл эксперимент. Модель генерировала protein backbones и symmetric assemblies. Люди строили конструкции, добавляли functional domains, создавали assays, отбирали результаты и проводили cell и animal experiments.

Это хороший пример human–AI design loop: AI резко расширяет пространство возможных структур, а эксперимент отсеивает красивые, но нефункциональные идеи.

Почему RFdiffusion может придумывать белки, которых нет в природе

RFdiffusion вырос из RoseTTAFold и использует diffusion-подход для генерации protein backbones. В foundational paper команда David Baker показала, что метод может создавать monomers, binders, symmetric oligomers и scaffolds под заданные molecular constraints. Часть designs подтверждали cryo-EM.

Для STV особенно важна способность проектировать symmetric assemblies. Вирусы тяготеют к определённым геометриям, потому что они эволюционно стабильны. Diffusion model не обязана повторять статистику природных capsids и может предложить planar или low-complexity assembly, если оно физически собирается.

Что может пойти не так

Путь от Nature paper до терапии очень длинный. Нужно получить предсказуемый tropism после systemic administration, проверить repeat-dose immunogenicity, доказать scalable manufacturing и стабильность formulation. Любой gene-editor cargo имеет отдельные off-target риски.

Есть и translational economics: часть авторов является соизобретателями patent application, связанной с архитектурой, а Helmholtz Munich говорит о планах transfer technology в spin-off. Это нормально для перспективной platform technology, но commercial interest стоит учитывать при оценке будущих заявлений.

Вердикт RankPoint

Это одна из тех работ, где выражение «AI-designed» действительно означает больше, чем маркетинг. Generative model позволила выйти за пределы стандартных природных capsid geometries; screening нашёл необычную C8-архитектуру; её превратили в modular RNA carrier; carrier показал сильный transfer в клетках, programmable targeting и первые функциональные результаты в animal models.

Самая интересная идея — не «AI создал лучший вирус», а то, что инженерия начинает искать биологические машины в design space, куда естественной эволюции просто не было причины заходить. Если STV удастся довести до системной, безопасной и адресной доставки, это может стать новым классом инфраструктуры для RNA medicines и gene editing.