mRNA技术在疫苗、蛋白表达和基因治疗等领域展现出广阔的前景，但如何将mRNA安全、高效地递送至目标细胞，仍是限制其进一步应用的关键一环。目前，脂质纳米颗粒（LNP）和病毒载体是常见的递送策略，而基于蛋白质自组装形成的纳米颗粒，也逐渐成为值得关注的研究方向。
不过，现有不少蛋白质递送系统依赖病毒来源的衣壳蛋白。这类蛋白虽有较好的组装与核酸包装能力，但外源病毒组分可能会带来免疫原性等问题。因此，能否从人体自身的蛋白质资源中，发现具有自组装能力、可用于核酸递送的蛋白质？这为开发新型递送系统提供了全新的研究思路。
近日，中国科学院深圳先进技术研究院等科研机构和高校研究人员在 Nature Communications（IF=18.1）发表题为《AI-driven discovery and engineering of human-derived protein scaffolds for mRNA delivery》的研究，开发了人工智能驱动的蛋白筛选平台DeepDelivery，从人类蛋白质组中寻找具有纳米颗粒组装潜力的候选蛋白，并通过实验验证其mRNA递送能力。这一研究不仅发现了多个此前未被充分认识的候选蛋白，还进一步通过结构域工程优化了递送表现，为开发人源蛋白质递送系统提供了新思路。
本研究实验过程中使用了赛索飞生物基因合成服务，为AI筛选出的候选递送蛋白提供了基因合成与表达质粒构建支持，助力研究团队高效完成候选序列的验证与递送效率评估。
锚定人类蛋白质组，AI筛选潜在递送蛋白
研究团队面对的第一个问题是：在数量庞大、功能各异的人类蛋白质中，如何找到可能具备自组装能力的候选者？
传统方法通常依赖序列同源性比对，通过寻找与已知病毒衣壳蛋白相似的序列来识别候选蛋白。这种方法容易遗漏一些序列差异较大、但可能具有相似组装功能的蛋白质。
为此，研究团队建立了DeepDelivery平台。研究人员首先整理了大规模蛋白质序列数据集，利用这些数据训练不同的深度学习模型，再经两轮模型筛选，对人类蛋白质组进行系统分析。
最终，平台从109,375条人类蛋白质序列中筛选出512个具有潜在纳米颗粒组装能力的候选蛋白。进一步分析发现，这些蛋白分属于多个不同的蛋白家族，其中TRIM家族占比突出。
图1. DeepDelivery平台的整体工作流程，展示了从数据集构建、AI模型训练、候选蛋白筛选到实验验证的主要步骤。
这项工作的意义在于，AI不再只用于预测单个蛋白的结构或功能，而是被用来大规模挖掘人类蛋白质组中的潜在递送元件，为发现传统同源性分析难以识别的候选蛋白提供了新方法。
从预测到实验，候选蛋白能否真正“成粒”
计算预测只是第一步，候选蛋白能否真正组装成颗粒，并实现有效的mRNA递送，还需要实验验证。
研究团队选取了15个AI筛选出的候选蛋白，并结合已知具有纳米颗粒形成能力的蛋白作为阳性对照，开展后续实验。
为了统一不同候选蛋白的功能评价，研究人员设计了一套模块化的蛋白工程体系：将候选蛋白与PLCD膜结合结构域、HIV-1 P6出芽肽段以及MS2 coat protein（MS2衣壳蛋白）模块进行融合。其中，PLCD有助于蛋白与细胞膜相关联，P6参与颗粒出芽过程，而MS2 coat protein能够识别并结合mRNA上的MS2 stem-loop结构。
与此同时，研究团队还构建了相应的报告mRNA系统，在报告mRNA中引入12× MS2 stem-loops，使其能够被MS2 coat protein模块募集和包装。
图2. 纳米颗粒递送系统的质粒设计示意图，包括候选蛋白包装质粒、VSV-G包膜质粒以及携带12× MS2 stem-loops的cargo plasmid。
本研究所用候选蛋白的编码基因序列由赛索飞生物合成，并为候选蛋白表达质粒的构建提供了载体支持，助力研究团队开展后续实验验证。
研究人员将相关质粒共同转染HEK293T细胞，收集并纯化细胞释放的颗粒，通过透射电子显微镜（TEM）观察颗粒形态，并利用Cre-loxP报告系统检测mRNA是否成功递送至受体细胞。
实验结果显示，在15个预测候选蛋白中，有12个能够形成具有功能性mRNA递送能力的颗粒，说明DeepDelivery筛选出的候选蛋白中，确实存在可用于递送系统构建的有效支架。
其中，RTL8B表现突出，其报告系统检测到的转导效率达到73.2%，高于研究中作为参照的Arc、PEG10和PNMA2等已知蛋白Scaffold。
图3. 不同候选蛋白构建的纳米颗粒在HEK293T细胞中的功能性mRNA递送效率比较，以GFP阳性细胞比例进行定量。
值得注意的是，研究团队还发现，单纯具备颗粒组装能力并不意味着一定能够实现有效的mRNA递送。候选蛋白本身需要与MS2介导的RNA募集模块等工程化设计相结合，才能形成真正具有功能的递送系统。这也说明，蛋白Scaffold的选择与递送体系的整体设计同样重要。
优化蛋白结构域，提升mRNA递送效率
在验证了多种人源蛋白作为递送支架的可行性后，研究团队进一步探究：能否通过蛋白结构域工程，提升已有候选蛋白的递送表现？
研究人员将目光集中在TRIM家族。该家族蛋白通常参与先天免疫和抗病毒相关过程，但本研究发现，其中部分成员也具有纳米颗粒组装和mRNA递送潜力。
通过可解释AI分析，研究团队识别出TRIM蛋白中与模型预测相关的关键结构域，尤其关注RING、B-box和coiled-coil等区域。随后，他们选取了TRIM25作为优化对象，设计了多个不同的截短变体，逐一评估不同结构域对颗粒组装和递送效率的影响。
结果显示，经过结构域调整的TRIM25变体均能够介导功能性mRNA递送，且部分变体的表现优于全长TRIM25。其中，缺失B30.2/SPRY结构域的TRIM25-RCD表现最好，转导效率从全长TRIM25的37.8%提高至65.4%。
图4. 不同TRIM25结构域变体的mRNA递送效率比较，TRIM25-RCD表现出优于全长TRIM25的转导效率。
这一结果表明，AI筛选不仅能够帮助研究人员发现潜在的蛋白质递送支架，还可以结合结构域分析，为后续蛋白工程优化提供方向。通过对蛋白结构进行有针对性的调整，有望进一步改善纳米颗粒的组装和递送表现。
从发现到优化，拓展人源递送的设计空间
这项研究将大规模蛋白质数据筛选、深度学习预测、实验验证和蛋白结构域工程结合起来，建立了一个从候选发现到功能优化的研究框架。研究团队从人类蛋白质组中识别出多种具有纳米颗粒组装和mRNA递送能力的蛋白，并通过TRIM25结构域工程进一步展示了递送性能优化的可能。
相比依赖传统病毒来源蛋白的递送策略，人源蛋白Scaffold为开发新的蛋白质递送系统提供了更多选择。不过，目前相关结果主要来自体外细胞实验，免疫反应评估也仍处于初步阶段，其体内分布、药代动力学、重复给药安全性及不同组织中的递送表现，还需要进一步研究验证。
从研究方法来看，这项工作也展示了AI与实验技术协同推进蛋白质工程的价值：AI帮助研究人员缩小候选范围，基因合成与质粒构建为候选蛋白的表达和功能验证提供基础，而后续实验则进一步检验并优化计算预测结果。随着此类研究不断深入，人源蛋白质有望为mRNA及其他核酸递送系统带来更多可探索的设计方案。