Nature Chemical Biology专访陈玲玲：RNA疗法的挑战与机遇|rna|免疫性疾病|翻译|蛋白|陈玲玲

编辑丨王多鱼

排版丨水成文

基于 RNA 和靶向 RNA 的治疗手段，已成为现代医学发展的重要组成部分。近日，Nature Chemical Biology期刊发表了题为：Challenges and opportunities in RNA-centered therapeutics 的 Q&A 专访文章，采访了Maria Duca（法国尼斯化学研究所）、Samie Jaffrey（美国威尔康奈尔医学院）和陈玲玲（中国科学院分子细胞科学卓越创新中心），讨论了新兴技术、战略性资金支持以及跨领域合作在克服当前瓶颈、推动以 RNA 为核心的药物实现临床应用方面所发挥的关键作用。

以下是文中陈玲玲研究员的回答。

1、近年来 RNA 疗法领域最让你震撼的进展是什么？你最关注哪些方法或技术？

陈玲玲：作为研究环形 RNA（circRNA）的科学工作者，我认为最具有变革性的近期进展在于circRNA 疗法的兴起。其共价闭合的环状结构赋予固有的稳定性和低免疫原性——且不需要核苷酸化学修饰——就能实现治疗性蛋白的持续、放大表达。这一特点不仅对传染病疫苗有利，对蛋白替代疗法同样关键，因为它能获得更高的稳态蛋白水平，并减少反复给药的需要。此外，环化也为克服线性的RNA 适配体（aptamer）难以成药的问题提供了有前景的策略。从制造角度看，酶促/无酶体系生成 circRNA（同样无需核苷酸修饰）在化学、生产与控制（CMC）上可能比其它大型 RNA 疗法更具竞争优势。

聚焦 circRNA 技术本身，最令人兴奋的突破是：通过结构导向的模块化设计实现可规模化合成。优化后的 I/II 型内含子环化体系允许可放大的无酶生产，且免疫原性低。同时，利用优化后的 IRES 开展环化转录本翻译的研究也极具吸引力——尤其是 IRES 与其所承载货物之间的串扰（crosstalk）会影响 IRES 结构完整性，而这正是决定蛋白表达的关键。最后，由于 circRNA 的构象直接决定其稳定性、免疫原性、翻译效率和适配体亲和力（对阻止异常病理蛋白激活或聚集至关重要），理解其独特折叠规律是实现理性设计的关键。因此，我目前最感兴趣的是：为设计好的 circRNA 建立化学探测数据集，并开发新的算法来预测 circRNA 结构，目标是让实验室级别的设计在投入生产前就变得“用户友好”、可预测。

2、未来五年 RNA 疗法最大的机遇和挑战是什么？如何解决？

陈玲玲：未来五年，不同类型 RNA 疗法面临的机遇与挑战各不相同。我最熟悉 circRNA，所以聚焦于它的独特潜力。与 siRNA 或 ASO 不同，circRNA 在蛋白替代和拮抗致病蛋白方面优势更明显。

对于“转录组上调”（transcriptome-up）类应用，circRNA 有望优于线性 mRNA 和自扩增 mRNA——因为共价闭环结构带来固有代谢稳定性和低免疫原性，从而支持持续蛋白表达。更重要的是，环化对 RNA 适配体也有独特好处：拓扑约束能提升结合亲和力、特异性和半衰期，使其可作为稳健的“分子诱饵”。但将这些精巧模态推向临床，面临两大核心障碍——制造精度（CMC 复杂性：大规模 RNA 合成 + 下游封装进 LNP）、组织特异性递送（超越肝脏的靶向递送，或限制在特定细胞/区域以治疗全身性/中枢神经系统疾病）。

为此我们需要：

1. 完善制造与分析——扩大无酶环化规模；开发高分辨率分析方法评估 circRNA 纯度，尤其要分辨与全长环状产物共迁移的“缺口”（nicked）RNA 杂质。

2. 优化 LNP 生产工艺——在大尺度下精确控制粒径、Zeta 电位和包封效率。

3. 推进递送系统——开发下一代表面功能化 LNP 或工程化细胞外囊泡，实现细胞特异性靶向。

4. 整合 AI 与结构生物学——用 AI 驱动的计算模型 + circRNA 专属化学探测数据，从“只设计序列”升级为“理性工程复杂三维 RNA 折叠”。

只有系统性推进这些方向，才能把 circRNA 从一项有潜力的技术真正变成面向蛋白替代 + 靶向蛋白调控的多用途临床平台。

3、各种递送策略中哪个最有前景？影响临床转化的关键挑战和方向是什么？

陈玲玲：对于瞬时干预（例如 mRNA 疫苗或 RNA 适配体疗法），LNP 仍然是最经临床验证的路线——相比裸 RNA 递送，它对胞外 RNase 的保护能力更强。但对于慢性遗传病，需要持续、局域表达时，载体平台例如 AAV（腺相关病毒）和工程化 VLP（病毒样颗粒）则有独特优势。VLP 可被理性改造以利用病毒趋向性，却没有慢病毒那种基因组整合风险，因此对递送 circRNA 等前沿模态非常有前景。

全领域最关键的挑战仍是跨越生物屏障：精准的肝外靶向 + 高效的内体逃逸。目前内体滞留严重限制了大片段 RNA 货物的细胞质生物利用度，迫使配方越来越复杂，又往往引发剂量限制性先天免疫反应。

未来方向可集中在三条线——

1. 开发主动靶向的表面功能化 LNP/工程化 VLP，实现超越肝脏的细胞特异性摄取。

2. 探索新型进入机制，比如融合性蛋白脂质载体，尝试绕过内溶酶体通路、避免内体滞留。

3. 按模态特性匹配载具设计——例如针对 circRNA 结构更紧凑的特点量身定制递送载体，实现低免疫原性 + 高效递送。

最终，RNA 递送需要一次范式转变：把这些策略集成起来，才能实现安全、精准、有效的临床转化。

4、不同 RNA 模态（mRNA、适配体、siRNA、ASO、circRNA、RNA 编辑……）从基础研究到临床批准的主要瓶颈？如何取得系统性突破？

陈玲玲：尽管 circRNA 和 RNA 编辑潜力巨大，它们临床转化的壁垒远高于小 RNA（siRNA/ASO）。小 RNA 受益于非常成熟的固相合成；而大 RNA 模态在 CMC 和结构不可预测性上吃尽苦头——

生产临床级、高纯度、均一的大片段 RNA 产品极难；circRNA 制备中残留的线性前体或剪接中间体可触发强烈先天免疫反应，危及安全与药效。
与小 RNA 相对明确的靶标结合不同，大 RNA 展现的是复杂、受拓扑动力学约束的折叠；circRNA 的拓扑约束直接左右翻译效率和免疫原性，但现有算法根本无法可靠建模。

系统性突破需要一场从“经验试错”到“多学科理性工程”的范式转换——

1. 发展优化合成工艺 + 放大高分辨率色谱纯化，确保超纯、低免疫原性产物。

2. 建立以模态专属化学探测数据训练的预测计算模型，理性设计序列，最大化翻译效率与结构稳定性。

3. 全行业急需标准化质量控制指标，精确评估 RNA 拓扑、纯度和残余免疫原性，打通从台面转录组学到监管合规临床制造的鸿沟。

5、与传统蛋白靶向小分子相比，RNA 靶向小分子（rSM）的独特优势和局限是什么？

陈玲玲： rSM 的比较优势在于大幅扩展可成药范围：传统小分子被限缩在基因组中 ~2% 编码蛋白、且有明确疏水口袋的那部分；而 rSM 作用于上游转录本层面，可触及约 ~70% 的非编码转录组，绕过经典“不可成药”靶点，通过调控其前体 mRNA 发挥作用。而且 rSM 能实现蛋白水平抑制剂做不到的机制干预——例如纠正异常可变剪接或直接调控 RNA 降解命运。

但 rSM 药物发现也有传统小分子未见的结构性难题——

RNA 高度动态柔性，缺乏像酶活性位点那样的深层稳定结合口袋，结构导向理性设计困难。
RNA 骨架密集负电，要让小分子既形成强静电亲和又不丧失跨膜所需的脂溶性，构成药代矛盾。
特定二级结构基序（发夹结构、RNA 凸起等）在全转录组中广泛重复，导致靶标选择性难保证，存在脱靶毒性风险。

6、从 bulk 走向单细胞/亚细胞高分辨率工具后，如何理解 RNA 药物在细胞内的工作机制？这些数据如何反哺合成 RNA 或小分子设计？

陈玲玲：从 bulk 转录组跃迁到单细胞、亚细胞的高分辨率分析，对揭示 circRNA 等复杂模态的“结构–功能”关系至关重要。Bulk 测序会把细胞异质性抹平、剥离空间背景，这对 circRNA / ASO 等而言是不够的——因为它们的亚细胞定位本身就决定药效。

借助先进化学探测 + 单分子成像，我们能实时观察动态 RNA-蛋白互作，揭示拓扑约束如何主导行为——例如一个 circRNA 适配体如何稳健结合 PKR 等免疫传感器，而这些全局平均法根本看不到。从化学生物学角度，这些空间/单分子数据提供了理性药物设计的结构蓝图：不再仅凭序列，而是映射到真实细胞环境中的精确三维构象与互作界面，从而工程化出靶标亲和力更高、脱靶更低的合成 RNA 或小分子。同时，理解 RNA 药物的空间药代动力学还能反过来指导调控元件的精细调优，确保治疗性 RNA 不仅递送到位，还在病灶细胞的特定亚细胞区室里“真正干活”。

7、AI 和计算生物学将怎样改变 RNA 药物发现？还存在哪些关键局限？

陈玲玲： AI 和计算生物学正在触发 RNA 药物发现的范式转移，正如 AlphaFold 之于蛋白工程。

历史上 RNA 结构预测依赖热力学自由能最小化，且几乎只用线性转录本训练——对 circRNA 这种带拓扑约束的模态根本不准。但若把高通量化学探测数据喂进去，AI 就能破译这些隐藏的构象架构，进而实现：快速计算筛选 RNA 靶向小分子、生成优化的高特异性 RNA 适配体/调控元件，并对体内翻译效率和稳定性做出更可预测的判断。

不过当前最大瓶颈是严重的“数据荒”：与蛋白结构的海量标注库不同，实验测定的高分辨率 3D RNA 结构数据极其稀缺；RNA 又是高度动态的构象集合体，ground-truth 很难拿到。除非全领域协作补齐更广、更模态专属的结构数据集（尤其是非典型折叠如 circRNA），否则 AI 对动态 RNA 三级结构的预测上限仍会被锁死。补上这个数据缺口是最关键的下一个前沿。

8、你所在国家或地区如何支持基础与转化 RNA 研究？全球经费格局平衡吗？如何更好地支持高风险、长周期研究？

陈玲玲：在中国，基础与转化 RNA 研究得到强有力的系统性支持——例如国家自然科学基金（NSFC）等政府举措，以及上海等地活跃的生物科技孵化生态，能有效促成产学研合作；在全球层面，COVID-19 mRNA 疫苗的成功引发了资本不成比例地涌入线性 mRNA + LNP 平台，这种“疫苗偏差”使得同样关键却更复杂的方向——RNA 表观遗传学、circRNA 适配体、罕见病疗法——相对资金不足，造成管线战略失衡。

要真正支持高风险、长周期转化研究，资助模式必须结构性进化——