通过体外转录建模洞见增强mRNA治疗药物生产：一种平台技术方法

《Results in Engineering》：Enhancing mRNA Therapeutics Production: A Platform Technology Approach Through IVT Modeling Insights

　　

mRNA治疗药物的快速、规模化高质量生产是疫苗、基因治疗和蛋白质替代药物的基础，但体外转录（in vitro transcription, IVT)步骤的优化往往依赖于模板特异性的试错方法。研究人员构建了一个基于热力学平衡、酶动力学和化学计量质量守恒等第一性原理的机理型IVT生物过程模型，以支持质量源于设计（Quality-by-Design, QbD)的制造策略。该模型基于拉丁超立方设计（Latin Hypercube design)的100余次实验进行校准和验证，实验同时变化核苷三磷酸（nucleotide triphosphate, NTP)浓度、镁离子（Mg²⁺)浓度、T7 RNA聚合酶（T7 RNA polymerase, T7RNAP)投加量、模板DNA、亚精胺（spermidine)及反应时间，并采用两种对比鲜明的模板：SARS-CoV-2刺突蛋白构建体（CSP)和增强型绿色荧光蛋白（enhanced green fluorescent protein, eGFP)。模型对RNA产量的预测R²达到0.85–0.87，同时能够显式追踪各NTP的消耗及焦磷酸镁（magnesium pyrophosphate)沉淀。在QbD框架内，该模型将关键工艺参数（critical process parameters, CPPs)和关键物料属性（critical material attributes, CMAs)与产品导向指标及制造关键绩效指标（key performance indicators, KPIs)相联系，并识别出一个基于模型的操作窗口，该窗口能够在给定质量约束条件下降低试剂成本。机理层面的改进，包括无机焦磷酸酶（inorganic pyrophosphatase, PPase)动力学和基于序列的逐碱基NTP核算，支持了两种模板间的转移，并为更广泛的多构建体验证奠定了基础。总体而言，该方法为加速IVT工艺开发、降低新兴mRNA治疗药物的耗材支出提供了一条数据高效的途径。

## 研究背景与问题提出

COVID-19大流行凸显了快速开发医疗干预措施以应对新兴传染病的迫切需求。传统疫苗开发方法受限于缓慢的生产周期和有限的适应性，在应对快速演变的病毒威胁时显得力不从心。与此形成鲜明对比的是，基于信使RNA（messenger RNA, mRNA）的治疗药物规避了上述局限性，近年来技术进步已使mRNA作为一种平台技术得以应用，在预防性和治疗性领域均展现出广阔前景，涵盖病毒性疾病、多种癌症、遗传病、自身免疫病、罕见病及心血管疾病等。mRNA药物的独特作用机制在于将mRNA序列递送至宿主细胞，使其表达目标蛋白，原则上任何具有功能的蛋白序列均可被编码。

mRNA平台的核心优势在于其模块化、无细胞的工艺流程，编码序列可快速更换而核心单元操作保持不变。然而，要充分发挥这种灵活性，必须对序列依赖性和工艺依赖性的质量属性（如加帽效率、poly(A)长度、双链RNA(dsRNA)和截断产物）进行显式控制。mRNA治疗药物的关键质量属性（critical quality attributes, CQAs）不仅包括 bulk 产量，还涉及加帽效率/完整性、残留模板DNA和工艺蛋白、序列完整性以及免疫刺激性副产物如dsRNA。因此，IVT操作需在生产力、质量指标和试剂经济性之间取得平衡，而非单纯追求产量。

从制造角度看，端到端IVT流程涵盖模板制备、IVT与加帽、纯化（DNase处理、沉淀、层析/切向流过滤)以及脂质纳米颗粒(lipid nanoparticle, LNP)配制与灌装，其中存在产量、杂质控制（尤其是dsRNA）和可扩展分析等方面的瓶颈。尽管已有研究通过实验设计(Design of Experiments, DoE)映射IVT设计空间，但这些方法大多仍局限于模板和检测特异性，未能将动力学、沉淀和经济性以可跨mRNA序列转移的方式耦合。对于个性化和罕见病项目而言，批次规模小、模板切换频繁、构建体特异性DoE往往不切实际，因此能够以最少的实验量提出修订操作窗口的可转移模型具有重要价值。

基于上述背景，研究人员开发了一种基于第一性原理的机理型IVT生物过程模型，旨在实现跨多样mRNA序列和操作条件的平台化应用。

## 研究内容、结论与意义

研究人员构建的机理模型整合了以下核心模块：(i) Mg-PPi沉淀动力学与无机焦磷酸酶(PPase)效应；(ii) 显式的模板DNA浓度、长度和序列依赖性项；(iii) 亚精胺介导的酶-DNA相互作用调控；(iv) 逐碱基NTP核算，直接将序列组成与资源消耗关联。模型基于六参数拉丁超立方采样(Latin Hypercube Sampling, LHS)数据集进行校准和验证，涵盖两种差异显著的模板——SARS-CoV-2刺突蛋白(CSP, 4283 nt)和增强型绿色荧光蛋白(eGFP, 995 nt)，以测试跨序列长度和组成的转移性。

模型对RNA产量的预测R²达到0.851(CSP)和0.868(eGFP)，并能显式追踪各NTP消耗及焦磷酸镁沉淀。通过全局敏感性分析和成本感知优化，研究识别出一个模型驱动的操作窗口，可将每克RNA的生产成本降至约6,772美元（1 L规模，不含加帽成本）。该研究框架将关键工艺参数(CPPs)和关键物料属性(CMAs)与关键质量属性(CQAs)关联，为快速、经济、可扩展的下一代mRNA药物生产提供了可转移的平台就绪型数字孪生解决方案。论文发表于《Results in Engineering》。

## 关键技术方法

该研究构建的机理模型源于热力学平衡、酶动力学和化学计量质量守恒等第一性原理，而非基于经验数据回归。模型采用IDA求解器求解微分代数方程组。实验设计采用LHS方法，在六维参数空间（NTP浓度、Mg²⁺浓度、T7RNAP浓度、模板DNA浓度、亚精胺浓度、反应时间）中覆盖>100个实验点，涵盖60个CSP样本和30个eGFP样本，各含重复；并通过独立的沉淀数据集（18个数据点）验证模型对Mg²⁺和PPase变化的预测能力。参数估计采用差分进化(Differential Evolution, DE)全局优化算法。敏感性分析使用SALib库进行Sobol敏感性分析，评估参数不确定性传播及输入浓度敏感性。成本优化采用BFGS算法，以最小化单位RNA成本为目标函数，约束条件包括最低RNA产量、总镁守恒及dsRNA质量上限。

## 研究结果

### 模型校准与LHS实验数据验证

动力学参数分别针对CSP和eGFP模板独立拟合。由于LHS实验中使用过量PPase，沉淀可忽略，故校准阶段设V_precip=0。模型在LHS数据集上取得R²=0.851(CSP)和0.868(eGFP)。k_app（表观转录速率常数）在两模板间保持一致，但k₁（Mg²⁺抑制相关）和k₂（Mg-NTP抑制相关）存在显著差异：CSP的Mg²⁺抑制减弱，而Mg-NTP抑制增强。这种差异可能与启动子近端转录区的GC含量差异相关（CSP为49.06%，eGFP为34.04%）。GC富集序列通过增强氢键和碱基堆积作用提升DNA结构稳定性，可能减弱游离Mg²⁺的抑制效应，但同时增加转录复合体的动力学约束。

### 模型捕获沉淀动力学的能力

利用18个独立数据点拟合沉淀参数，模型取得更高的R²值（CSP: 0.886, eGFP: 0.921）。两种模板的沉淀动力学参数收敛至相同值，表明沉淀动力学与模板无关，主要被RNA合成动力学捕获。对于eGFP模板，当Mg²⁺和PPase超过特定阈值时产量下降，提示Mg²⁺的抑制效应；而CSP模板在低PPase条件下未显示明显抑制，支持eGFP对Mg²⁺更敏感的假设。

### NTP消耗分析

通过阴离子交换高效液相色谱(AEX-HPLC)监测eGFP构建体的NTP时间进程（0–120 min）。模型较好地捕获了NTP消耗的整体趋势。各NTP的相对消耗与模板特异性核苷酸组成一致：从等摩尔NTP起始，序列需求较低的核苷酸（如eGFP的UTP）相对过剩，而限制性核苷酸首先耗竭并限制进一步转录。

### 敏感性分析：模型响应的关键驱动因素

全局敏感性分析(GSA)表明，k_app是两模板中影响RNA产量变异的最主要参数。对于CSP，k₂几乎与k_app同等重要，反映其依赖Mg-NTP复合物克服GC富集转录泡的刚性；而eGFP中k_app占88%方差，k₁贡献12%，k₂可忽略。输入参数敏感性显示，eGFP对NTP和Mg²⁺的一阶敏感性更强，反映其对核苷酸可用性的依赖及对游离Mg²⁺抑制的敏感性增加；CSP因转录泡更稳定，对单个参数变化的敏感性较低。亚精胺在1–4 mM范围内敏感性较低，不是产量变异的主要驱动因素。

### 基于模型的成本优化

通过探索模型参数空间，研究人员确定了最小化单位RNA成本的操作条件：39 mM总NTP、297 U mL^-1 T7RNAP、54 mM Mg²⁺、101 nM DNA、0.38 mM PPase、反应121 min，模型预测产量7.28 g L^-1，成本约6,772 $/g（1 L规模）。优化自然倾向于降低最昂贵投入品（尤其是NTPs）用量，但最优解并非简单提高初始NTP浓度，因为产量和NTP利用率取决于NTP-Mg²⁺耦合平衡及限制性核苷酸身份。

## 讨论与结论总结

研究人员讨论了模型参数的序列依赖性解释框架：影响启动子和启动子逃逸的因素（如GC含量、启动子近端折叠自由能ΔG、暂停/流产基序）主要体现为表观k₁，而影响早期延伸的因素（如早期3'设计和局部结构）则反映为表观k₂。在现有研究中k₁和k₂被处理为序列非特异性参数，因此上述解释仅为假设性推断，未来可将其重新参数化为序列描述符的函数以验证。

研究指出模型的关键局限在于集总参数的可解释性：模板序列、新生RNA结构和Mg驱动形态分化均投影到k₁和k₂上。这是为了保持优化可处理性和数据效率的明确设计选择，但未来可通过赋予序列先验或分解为受文献稳定性常数约束的子参数来扩展。

未来工作应纳入替代加帽策略、修饰核苷酸和具有 altered 底物或温度依赖性的新型聚合酶变体。附录中提出的dsRNA亚模型尚未经实验验证，需采用J2抗体ELISA、点印迹或专用AEX-HPLC等方法验证并将其作为完全验证的CQA纳入。应用毛细管电泳等mRNA完整性检测和表征中间复合物将进一步强化模型。实时反馈集成可促进闭环制造系统，实现下一代生物加工。

**研究结论（翻译）：**COVID-19大流行凸显了快速、可扩展mRNA制造的需求。本工作介绍了一个完全基于第一性原理——热力学平衡、酶动力学和化学计量质量守恒——构建的机理生物过程模型，将质量源于设计(QbD)原则整合到mRNA治疗药物制造优化中。实验数据仅起支持作用：一小套有效动力学参数经过校准，而所有剩余模型结构均源于已建立的物理化学知识。通过系统映射关键工艺参数(CPPs)、关键物料属性(CMAs)与RNA产量之间的关系，该模型为跨模板和操作条件的IVT工艺设计提供了实用工具。

本研究探索的中心假设是模板特异性序列组成在转录动力学中的作用，特别是通过对Mg²⁺和Mg-NTP相互作用的依赖性。全局敏感性分析识别出不同的敏感性模式：与Mg-NTP介导抑制相关的动力学参数k₂对CSP的IVT产量影响大于eGFP。这些差异反映了GC含量、转录泡稳定性及酶活性与底物可用性相互作用等潜在序列依赖性物理化学因素。这些发现凸显了针对模板组成定制反应条件的必要性。

更广泛而言，此类机理模型可减少建立可行操作窗口所需的实验数量，降低开发时间和试剂成本。这对于需要快速模板切换、大规模DoE活动不切实际的新兴mRNA项目尤为重要。

未来工作应通过纳入额外反应复杂性来扩展该模型，包括替代加帽策略、修饰核苷酸和具有altered底物或温度依赖性的新型聚合酶变体。附录C中的dsRNA亚模型尚未经实验验证；未来研究应采用已建立的定量方法验证dsRNA预测，并将其纳入与产量并列的完全验证CQA。随着先进治疗药物监管期望的演变，本文概述的QbD驱动方法确保了稳健、可重复且透明的制造方案，满足严格质量标准并加速监管审批。

总之，本研究通过将机理洞见与QbD驱动优化相连，推进了IVT工艺开发。该框架为研究人员和制造商提供了一个机理基础扎实的工具，以支持mRNA治疗药物的工艺设计。扩展至额外构建体、经实验验证的dsRNA和完整性CQA，以及规模依赖性考量，将是实现该方法在制造环境中全部潜能的必要步骤。