RNAi · 核酸农药

核酸农药靶标挖掘与
靶向核酸农药设计平台

找到害虫离不开的基因,挑出总体脱靶更少的 dsRNA 候选。
每一步都标明:哪些算过了,哪些还没有验证;候选未经生测。

① dsRNA害虫体内的 dsRNA:人工设计,序列对应一个它离不开的基因
100个二化螟靶标候选,按必需基因预测概率排序
1,657个马铃薯甲虫 vATPase A 的 dsRNA 候选窗口(250/300/350 nt)
5个物种的转录组做脱靶库:靶标害虫、蜜蜂、斑蝶、马铃薯、人
135,713条 siRNA—转录本脱靶命中,逐条枚举(含靶基因自身转录本,排序重算时已剔除)
一条链路

从“打哪个基因”,到“用哪一段序列”,再到“会不会误伤”

传统农药找靶标靠筛选,核酸农药靠序列:能打什么由基因决定,伤不伤别的物种由序列决定。平台把这两件事连在一起。

步骤一

靶标挖掘

用果蝇的必需基因标签和蛋白互作网络训练图神经网络,给二化螟 11,366 个基因打分,在有互作的 8,385 个里列出前 100 个候选。同时给出它的水平:跨物种 AUROC 0.684,选型可能偏乐观,见下。

进入靶标挖掘 →
步骤二

dsRNA 设计

在 2,507 nt 的基因上滑动窗口,三个目标一起看:脱靶罚分低、脱靶 siRNA 少、合格的 19 nt 位点比例高。给出帕累托前沿,而不是只报一个“最优”。示例基因是马铃薯甲虫 vATPase A,用来演示流程,与二化螟不是同一物种。

进入 dsRNA 设计 →
步骤三

脱靶风险来源

把整次运行中 Top 候选的罚分按物种拆开:人占 56.7%,马铃薯 17.7%,蜜蜂 11.9%。看清风险主要从哪来;份额是整次运行口径,不随单个窗口变化。

查看证据与边界 →
诚实的水平

预测比随机好,比传统序列模型好,但离“挑一个就中”还远

跨物种必需基因预测(果蝇训练 → 赤拟谷盗测试)

随机
0.500
随机森林(序列特征)
0.621
本平台 MultiGNN-EG
0.684

指标为 AUROC,完整测试集 2,158 个基因,较随机森林 +0.064(95% 置信区间 0.040–0.088,校正后 p = 0.0004)。AUPRC 增量弱得多:+0.034(0.007–0.064,p = 0.032)。注意:该方案是 15 个模型变体中赤拟谷盗成绩最高的一个,选型可能参考过这份测试集(待作者确认),0.684 可能偏乐观,p 值也未计多变体的多重性。

  • 能给出:一份有理由、可复核的靶标与序列候选清单,附每条的依据和风险来源。
  • 不能给出:“这个基因一定致死”“这段 dsRNA 一定有效”。二化螟候选没有真实标签,也没有湿实验验证。
  • 刻意不用:siRNA 效力预测模型。它在独立数据集上最好只有 AUROC 0.63,其余约 0.5,所以默认不参与排序,页面里只放规则打分并标明是规则。
  • 下一步:挑几个候选送去做 RNAi 生测,把结果回灌,才是这个平台真正变准的地方。

想把它用到你的作物和害虫上?

换一个物种、换一个靶标,需要对应的基因组与转录组。技术咨询、技术支持服务和平台购买请联系 2396081899@qq.com(邮箱) 19238427076(微信)

注册账号,进入工作台