Переработка лабораторно эволюционировавших обратных транскриптаз с помощью методов ИИ повышает эффективность prime-редактирования

Хотя инженерия белков и лабораторная эволюция использовались для оптимизации prime-редакторов, мы показываем, что прежние модификации, повышающие эффективность prime-редакторов, одновременно ухудшают стабильность белка и уровень его экспрессии, что ограничивает их работоспособность. Чтобы устранить эти ограничения, мы применили информированные структурой методы с руководством искусственного интеллекта, такие как сеть обратного сворачивания ProteinMPNN, для переработки доменов обратной транскриптазы (RT) в инженерных и эволюционировавших prime-редакторах при сохранении областей, необходимых для катализа. Переработанные RT несут обширные мутации — от 30 до 163 замен аминокислот — и демонстрируют повышенную стабильность сворачивания и растворимую экспрессию, а также до двухкратного увеличения внутриклеточного уровня белка prime-редактора после доставки в виде мРНК. Переработанные prime-редакторы PE8 показывают повышенную эффективность редактирования в различных ex vivo условиях, включая несколько типов человеческих первичных клеток и при различных способах доставки. У мышей эффективность редактирования достигает до 2,9 раза выше по сравнению с передовыми prime-редакторами PE6, PE7 и PEmax. Эти результаты демонстрируют обобщаемый подход для дополнения лабораторной эволюции с целью улучшения агентов для редактирования генома.