mRNA 서열 최적화
✓ 已验证RNALens · Spearman 0.92 · CAI 0.7->0.95 · 자체 미세조정 모형
mRNA 백신 서열 설계는 단순히 "아미노산을 염기로 번역하는" 것이 아니다. 코돈 사용 빈도가 번역 효율에 영향하고, UTR 구조가 안정성과 적재 효율에 영향한다. DiVo Gen²AI는 자체 RNALens 미세조정 모형으로 리보솜 적재 효율을 예측--제3자 API 호출이 아닌, 56만 행의 자체 개발 코드의 일부. 이 페이지는 세 가지 독자를 위함: mRNA 최적화를 이해하려는 환자와 공중, 서열 최적화 파트너를 찾는 백신/CAR-T 팀, 기술력을 평가하는 투자자와 동료.
아래 「mRNA 서열 최적화란」을 읽어보세요--백신 설계가 단순한 염기 번역이 아닌 이유를 이해.
「DiVo의 역할」「4단계 파이프라인」「검증 지표」를 중점으로--자체 미세조정은 API 래퍼가 아님.
「차별화」「검증 지표」「용어집」을 중점--자체 미세조정 모형의 기술 장벽을 평가.
mRNA 서열 최적화는 다음 flagship 서비스의 핵심 단계
mRNA 서열 최적화란
mRNA 백신의 핵심은 메신저 RNA 서열이며, 인체 세포에 전달된 후 세포에 표적 단백질(종양 항원 등) 합성을 지시하여 면역 반응을 유발한다. 그러나 같은 아미노산도 여러 다른 코돈으로 코딩할 수 있고, 코돈 사용 빈도 차이가 크다.
mRNA 서열 최적화는 아미노산 서열을 염기로 번역하는 단순 작업이 아니라, 같은 단백질을 코딩할 수 있는 모든 후보 서열 중에서 번역 효율이 가장 높고 안정성이 가장 좋은 것을 선택하는 것이다. 코돈 선택은 번역 속도(CAI)에 영향하고, UTR 구조는 mRNA 반감기와 리보솜 적재(MRL)에 영향하며, 다른 표적 조직은 다른 코돈 선호를 가진다.
DiVo는 자체 RNALens 미세조정 모형으로 리보솜 적재 효율을 예측(Spearman=0.92), 제3자 API 호출이 아님--미세조정 데이터, 훈련 파이프라인, 추론 서비스는 전부 자체 배포.
같은 아미노산에는 2-6개 코돈이 있다. 인체 세포는 특정 코돈을 다른 것보다 훨씬 빠르게 번역한다--올바른 코돈을 선택하면 번역 효율을 0.7에서 0.95로 향상할 수 있다(CAI 지수).
범용 사전훈련 모형의 mRNA 서열 예측 정확도는 제한적이다. 3단계 미세조정으로 RNALens를 mRNA MRL 태스크에 특화--Spearman=0.92는 범용 모형의 제로샷 성능이 아니라 도메인 적응 후의 전문화된 결과.
DiVo Gen²AI의 역할
mRNA 서열 최적화는 DiVo 신생항원 8단계 파이프라인의 Step 7이며, CAR-T 5단계 파이프라인의 CAR 구축체 mRNA 최적화 핵심 능력이기도 하다. 코돈 최적화부터 리보솜 적재 예측, UTR 최적화까지의 전체 계산을 제공--CAI 최적화만 하는 것이 아니라 코딩 영역과 조절 영역을 동시에 최적화하고, 자체 모형으로 기능 검증.
mRNA 전달 시스템 설계(LNP 배합 등)는 하지 않음, in vivo 발현 효율 실험 검증은 하지 않음. 계산 최적화된 mRNA 서열 설계 방안을 납품한다.
핵심 능력 · 4단계 파이프라인
아미노산 서열에서 조직 적응 최적 mRNA 서열까지
코돈 최적화 (CAI)
✓ 已验证자체 코돈 최적화 알고리즘
CAI 0.7 -> 0.95 최적화 서열
리보솜 적재 효율 예측
✓ 已验证RNALens (DNABERT-Z 117M 미세조정)
MRL 예측 + Spearman=0.92
UTR 최적화 + 안정성 평가
✓ 已验证GEMORNA + ViennaRNA
5'/3' UTR 최적화 서열 + 이차구조 점수
조직 적응 모형 선택
✓ 已验证HEK293T / Muscle / PC3
표적 조직 적응 최적 서열
차별화 우위
"CAI 전용" 및 "제3자 API 호출"과의 핵심 차이
자체 미세조정, 제3자 API 아님
RNALens는 DNABERT-Z 117M 파라미터 3단계 미세조정에 기반. 미세조정 데이터, 훈련 파이프라인, 추론 서비스는 전부 자체 배포. 제3자 모형 API 래퍼가 아닌, 56만 행의 자체 개발 코드의 일부.
코딩 영역뿐 아니라 조절 영역도 최적화
대부분의 mRNA 최적화 서비스는 CDS 코돈 최적화만 한다. DiVo는 GEMORNA로 UTR 생성 + ViennaRNA로 안정성 평가, 코딩 영역과 조절 영역을 동시에 최적화--번역 효율과 안정성 모두.
핵심 능력
CAI 코돈 적응 지수 최적화
✓ 已验证0.7에서 0.95로 향상--코돈 사용 빈도를 숙주 세포 선호에 맞추어 번역 효율 대폭 향상.
MRL 리보솜 적재 효율 예측
✓ 已验证DNABERT-Z 117M 파라미터 3단계 미세조정 RNALens 모형. Spearman=0.92, R²=0.87--mRNA 서열의 리보솜 적재 효율 예측.
5'/3' UTR 최적화
✓ 已验证GEMORNA 생성 + ViennaRNA 안정성 평가. 코딩 영역뿐 아니라 조절 영역도 최적화.
3 조직 적응 모형
✓ 已验证HEK293T / Muscle / PC3 세 가지 표적 조직/세포주 적응 모형--다른 조직은 다른 코돈을 선호.
왜 "자체 미세조정"을 강조하는가
제3자 API 호출이 아님
RNALens는 DNABERT-Z 117M 파라미터 3단계 미세조정에 기반한 자체 개발 모형. 미세조정 데이터, 훈련 파이프라인, 추론 서비스는 전부 자체 배포.
범용 사전훈련 가중치가 아님
3단계 미세조정: (1) DNABERT-Z 117M 사전훈련 -> (2) mRNA MRL 하위 태스크 미세조정 -> (3) DiVo 자체 개발 데이터 도메인 적응 미세조정.
실전 검증 있음
아스파라기나제 프로젝트: 6194 변이 × 11판 반복. CAI 0.7->0.95. 장난감 프로젝트가 아님.
검증 지표
| 지표 | 값 | 설명 |
|---|---|---|
| MRL Spearman | 0.92 | 리보솜 적재 효율 예측 상관 |
| R² | 0.87 | 결정 계수 |
| CAI 최적화 후 | 0.95 | 0.7에서 향상 |
| DNABERT-Z 파라미터 | 117M | 3단계 미세조정 |
| 조직 적응 모형 | 3종 | HEK293T / Muscle / PC3 |
| 실전 검증 | 아스파라기나제 6194 변이 | 11판 반복 |
정직한 경계
할 수 있는 것과 할 수 없는 것, 명확히
할 수 있는 것
명확히 하지 않는 것
용어 사전
mRNA 서열 최적화 분야 핵심 5용어
| 약어 | 전체 명칭 | 번역 | 설명 |
|---|---|---|---|
| CAI | Codon Adaptation Index | 코돈 적응 지수 | 코돈 사용 빈도와 숙주 세포 선호의 일치도 측정, 높을수록 번역 효율이 좋음 |
| MRL | Mean Ribosome Loading | 평균 리보솜 적재 | mRNA 상의 리보솜 평균 수, 번역 개시 효율 반영 |
| UTR | Untranslated Region | 비번역 영역 | mRNA 양끝의 단백질을 코딩하지 않는 조절 서열, 5' UTR은 번역 개시에, 3' UTR은 안정성에 영향 |
| RNALens | DiVo RNALens | DiVo RNA 예측 모형 | DNABERT-Z 117M 3단계 미세조정에 기반한 자체 mRNA 성질 예측 모형 |
| GEMORNA | Generative mRNA | mRNA 생성 모형 | mRNA UTR 서열 생성 및 최적화에 사용하는 생성 모형 |
CAPACITY TRACE
能力回溯
这项服务由哪些能力支撑——从硅片到你的场景
硅片(L1) → 模型(L2) → Agent(L3) → 管线(L4) → 你的场景