AAVDiff: Experimental Validation of Enhanced Viability and Diversity in Recombinant Adeno-Associated Virus (AAV) Capsids through Diffusion Generation

要約

組換えアデノ随伴ウイルス (rAAV) ベクターは遺伝子治療に革命をもたらしましたが、その広範な指向性と次善の形質導入効率により、臨床応用が制限されています。
これらの限界を克服するために、研究者らは改良されたベクターを特定するためのキャプシドライブラリーの設計とスクリーニングに焦点を当ててきました。
しかし、配列空間が広く、リソースが限られているため、実行可能なキャプシド変異体の同定には課題が生じます。
この研究では、生存率を高めたキャプシド配列を生成するためのエンドツーエンド拡散モデルを提案します。
公的に入手可能な AAV2 データを使用して、38,000 の多様な AAV2 ウイルスタンパク質 (VP) 配列を生成し、ウイルス選択のために 8,000 を評価しました。
結果は、従来の方法と比較して、私たちのモデルの優位性を証明しました。
さらに、1 つの野生型配列を除いて AAV9 キャプシド データが存在しない場合、同じモデルを使用して、最大 9 個の変異を持つ多数の実行可能な配列を直接生成しました。
残りの 30,000 サンプルを AAV9 ドメインに転送しました。
さらに、AAV9 VP の超可変領域 VI および V に突然変異誘発を実施し、AAV9 VP 配列の継続的な改善に貢献しました。
この研究は、rAAV ベクターの設計と機能検証における大幅な進歩を表し、遺伝子治療応用における特異性と形質導入効率を高める革新的なソリューションを提供します。

要約(オリジナル)

Recombinant adeno-associated virus (rAAV) vectors have revolutionized gene therapy, but their broad tropism and suboptimal transduction efficiency limit their clinical applications. To overcome these limitations, researchers have focused on designing and screening capsid libraries to identify improved vectors. However, the large sequence space and limited resources present challenges in identifying viable capsid variants. In this study, we propose an end-to-end diffusion model to generate capsid sequences with enhanced viability. Using publicly available AAV2 data, we generated 38,000 diverse AAV2 viral protein (VP) sequences, and evaluated 8,000 for viral selection. The results attested the superiority of our model compared to traditional methods. Additionally, in the absence of AAV9 capsid data, apart from one wild-type sequence, we used the same model to directly generate a number of viable sequences with up to 9 mutations. we transferred the remaining 30,000 samples to the AAV9 domain. Furthermore, we conducted mutagenesis on AAV9 VP hypervariable regions VI and V, contributing to the continuous improvement of the AAV9 VP sequence. This research represents a significant advancement in the design and functional validation of rAAV vectors, offering innovative solutions to enhance specificity and transduction efficiency in gene therapy applications.

arxiv情報

著者 Lijun Liu,Jiali Yang,Jianfei Song,Xinglin Yang,Lele Niu,Zeqi Cai,Hui Shi,Tingjun Hou,Chang-yu Hsieh,Weiran Shen,Yafeng Deng
発行日 2024-04-17 12:08:46+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.AI, cs.CE パーマリンク