編輯丨王多魚

排版丨水成文

基于 RNA 和靶向 RNA 的治療手段，已成為現代醫學發展的重要組成部分。近日，Nature Chemical Biology期刊發表了題為：Challenges and opportunities in RNA-centered therapeutics 的 Q&A 專訪文章，采訪了Maria Duca（法國尼斯化學研究所）、Samie Jaffrey（美國威爾康奈爾醫學院）和陳玲玲（中國科學院分子細胞科學卓越創新中心），討論了新興技術、戰略性資金支持以及跨領域合作在克服當前瓶頸、推動以 RNA 為核心的藥物實現臨床應用方面所發揮的關鍵作用。

以下是文中陳玲玲研究員的回答。

1、近年來 RNA 療法領域最讓你震撼的進展是什么？你最關注哪些方法或技術？

陳玲玲： 作為研究環形 RNA（circRNA）的科學工作者，我認為最具有變革性的近期進展在于circRNA 療法的興起。其共價閉合的環狀結構賦予固有的穩定性和低免疫原性——且不需要核苷酸化學修飾——就能實現治療性蛋白的持續、放大表達。這一特點不僅對傳染病疫苗有利，對蛋白替代療法同樣關鍵，因為它能獲得更高的穩態蛋白水平，并減少反復給藥的需要。此外，環化也為克服線性的RNA 適配體（aptamer）難以成藥的問題提供了有前景的策略。從制造角度看，酶促/無酶體系生成 circRNA（同樣無需核苷酸修飾）在化學、生產與控制（CMC）上可能比其它大型 RNA 療法更具競爭優勢。

聚焦 circRNA 技術本身，最令人興奮的突破是：通過結構導向的模塊化設計實現可規模化合成。優化后的 I/II 型內含子環化體系允許可放大的無酶生產，且免疫原性低。同時，利用優化后的 IRES 開展環化轉錄本翻譯的研究也極具吸引力——尤其是 IRES 與其所承載貨物之間的串擾（crosstalk）會影響 IRES 結構完整性，而這正是決定蛋白表達的關鍵。最后，由于 circRNA 的構象直接決定其穩定性、免疫原性、翻譯效率和適配體親和力（對阻止異常病理蛋白激活或聚集至關重要），理解其獨特折疊規律是實現理性設計的關鍵。因此，我目前最感興趣的是：為設計好的 circRNA 建立化學探測數據集，并開發新的算法來預測 circRNA 結構，目標是讓實驗室級別的設計在投入生產前就變得“用戶友好”、可預測。

2、未來五年 RNA 療法最大的機遇和挑戰是什么？如何解決？

陳玲玲： 未來五年，不同類型 RNA 療法面臨的機遇與挑戰各不相同。我最熟悉 circRNA，所以聚焦于它的獨特潛力。與 siRNA 或 ASO 不同，circRNA 在蛋白替代和拮抗致病蛋白方面優勢更明顯。

對于“轉錄組上調”（transcriptome-up）類應用，circRNA 有望優于線性 mRNA 和自擴增 mRNA——因為共價閉環結構帶來固有代謝穩定性和低免疫原性，從而支持持續蛋白表達。更重要的是，環化對 RNA 適配體也有獨特好處：拓撲約束能提升結合親和力、特異性和半衰期，使其可作為穩健的“分子誘餌”。但將這些精巧模態推向臨床，面臨兩大核心障礙——制造精度（CMC 復雜性：大規模 RNA 合成 + 下游封裝進 LNP）、組織特異性遞送（超越肝臟的靶向遞送，或限制在特定細胞/區域以治療全身性/中樞神經系統疾病）。

為此我們需要：

1. 完善制造與分析——擴大無酶環化規模；開發高分辨率分析方法評估 circRNA 純度，尤其要分辨與全長環狀產物共遷移的“缺口”（nicked）RNA 雜質。

2. 優化 LNP 生產工藝——在大尺度下精確控制粒徑、Zeta 電位和包封效率。

3. 推進遞送系統——開發下一代表面功能化 LNP 或工程化細胞外囊泡，實現細胞特異性靶向。

4. 整合 AI 與結構生物學——用 AI 驅動的計算模型 + circRNA 專屬化學探測數據，從“只設計序列”升級為“理性工程復雜三維 RNA 折疊”。

只有系統性推進這些方向，才能把 circRNA 從一項有潛力的技術真正變成面向蛋白替代 + 靶向蛋白調控的多用途臨床平臺。

3、各種遞送策略中哪個最有前景？影響臨床轉化的關鍵挑戰和方向是什么？

陳玲玲： 對于瞬時干預（例如 mRNA 疫苗或 RNA 適配體療法），LNP 仍然是最經臨床驗證的路線——相比裸 RNA 遞送，它對胞外 RNase 的保護能力更強。但對于慢性遺傳病，需要持續、局域表達時，載體平臺例如 AAV（腺相關病毒）和工程化 VLP（病毒樣顆粒）則有獨特優勢。VLP 可被理性改造以利用病毒趨向性，卻沒有慢病毒那種基因組整合風險，因此對遞送 circRNA 等前沿模態非常有前景。

全領域最關鍵的挑戰仍是跨越生物屏障：精準的肝外靶向 + 高效的內體逃逸。目前內體滯留嚴重限制了大片段 RNA 貨物的細胞質生物利用度，迫使配方越來越復雜，又往往引發劑量限制性先天免疫反應。

未來方向可集中在三條線——

1. 開發主動靶向的表面功能化 LNP/工程化 VLP，實現超越肝臟的細胞特異性攝取。

2. 探索新型進入機制，比如融合性蛋白脂質載體，嘗試繞過內溶酶體通路、避免內體滯留。

3. 按模態特性匹配載具設計——例如針對 circRNA 結構更緊湊的特點量身定制遞送載體，實現低免疫原性 + 高效遞送。

最終，RNA 遞送需要一次范式轉變：把這些策略集成起來，才能實現安全、精準、有效的臨床轉化。

4、不同 RNA 模態（mRNA、適配體、siRNA、ASO、circRNA、RNA 編輯……）從基礎研究到臨床批準的主要瓶頸？如何取得系統性突破？

陳玲玲： 盡管 circRNA 和 RNA 編輯潛力巨大，它們臨床轉化的壁壘遠高于小 RNA（siRNA/ASO）。小 RNA 受益于非常成熟的固相合成；而大 RNA 模態在 CMC 和結構不可預測性上吃盡苦頭——

• 生產臨床級、高純度、均一的大片段 RNA 產品極難；circRNA 制備中殘留的線性前體或剪接中間體可觸發強烈先天免疫反應，危及安全與藥效。

• 與小 RNA 相對明確的靶標結合不同，大 RNA 展現的是復雜、受拓撲動力學約束的折疊；circRNA 的拓撲約束直接左右翻譯效率和免疫原性，但現有算法根本無法可靠建模。

系統性突破需要一場從“經驗試錯”到“多學科理性工程”的范式轉換——

1. 發展優化合成工藝 + 放大高分辨率色譜純化，確保超純、低免疫原性產物。

2. 建立以模態專屬化學探測數據訓練的預測計算模型，理性設計序列，最大化翻譯效率與結構穩定性。

3. 全行業急需標準化質量控制指標，精確評估 RNA 拓撲、純度和殘余免疫原性，打通從臺面轉錄組學到監管合規臨床制造的鴻溝。

5、與傳統蛋白靶向小分子相比，RNA 靶向小分子（rSM）的獨特優勢和局限是什么？

陳玲玲： rSM 的比較優勢在于大幅擴展可成藥范圍：傳統小分子被限縮在基因組中 ~2% 編碼蛋白、且有明確疏水口袋的那部分；而 rSM 作用于上游轉錄本層面，可觸及約 ~70% 的非編碼轉錄組，繞過經典“不可成藥”靶點，通過調控其前體 mRNA 發揮作用。而且 rSM 能實現蛋白水平抑制劑做不到的機制干預——例如糾正異常可變剪接或直接調控 RNA 降解命運。

但 rSM 藥物發現也有傳統小分子未見的結構性難題——

• RNA 高度動態柔性，缺乏像酶活性位點那樣的深層穩定結合口袋，結構導向理性設計困難。

• RNA 骨架密集負電，要讓小分子既形成強靜電親和又不喪失跨膜所需的脂溶性，構成藥代矛盾。

• 特定二級結構基序（發夾結構、RNA 凸起等）在全轉錄組中廣泛重復，導致靶標選擇性難保證，存在脫靶毒性風險。

6、從 bulk 走向單細胞/亞細胞高分辨率工具后，如何理解 RNA 藥物在細胞內的工作機制？這些數據如何反哺合成 RNA 或小分子設計？

陳玲玲： 從 bulk 轉錄組躍遷到單細胞、亞細胞的高分辨率分析，對揭示 circRNA 等復雜模態的“結構–功能”關系至關重要。Bulk 測序會把細胞異質性抹平、剝離空間背景，這對 circRNA / ASO 等而言是不夠的——因為它們的亞細胞定位本身就決定藥效。

借助先進化學探測 + 單分子成像，我們能實時觀察動態 RNA-蛋白互作，揭示拓撲約束如何主導行為——例如一個 circRNA 適配體如何穩健結合 PKR 等免疫傳感器，而這些全局平均法根本看不到。從化學生物學角度，這些空間/單分子數據提供了理性藥物設計的結構藍圖：不再僅憑序列，而是映射到真實細胞環境中的精確三維構象與互作界面，從而工程化出靶標親和力更高、脫靶更低的合成 RNA 或小分子。同時，理解 RNA 藥物的空間藥代動力學還能反過來指導調控元件的精細調優，確保治療性 RNA 不僅遞送到位，還在病灶細胞的特定亞細胞區室里“真正干活”。

7、AI 和計算生物學將怎樣改變 RNA 藥物發現？還存在哪些關鍵局限？

陳玲玲： AI 和計算生物學正在觸發 RNA 藥物發現的范式轉移，正如 AlphaFold 之于蛋白工程。

歷史上 RNA 結構預測依賴熱力學自由能最小化，且幾乎只用線性轉錄本訓練——對 circRNA 這種帶拓撲約束的模態根本不準。但若把高通量化學探測數據喂進去，AI 就能破譯這些隱藏的構象架構，進而實現：快速計算篩選 RNA 靶向小分子、生成優化的高特異性 RNA 適配體/調控元件，并對體內翻譯效率和穩定性做出更可預測的判斷。

不過當前最大瓶頸是嚴重的“數據荒”：與蛋白結構的海量標注庫不同，實驗測定的高分辨率 3D RNA 結構數據極其稀缺；RNA 又是高度動態的構象集合體，ground-truth 很難拿到。除非全領域協作補齊更廣、更模態專屬的結構數據集（尤其是非典型折疊如 circRNA），否則 AI 對動態 RNA 三級結構的預測上限仍會被鎖死。補上這個數據缺口是最關鍵的下一個前沿。

8、你所在國家或地區如何支持基礎與轉化 RNA 研究？全球經費格局平衡嗎？如何更好地支持高風險、長周期研究？

陳玲玲： 在中國，基礎與轉化 RNA 研究得到強有力的系統性支持——例如國家自然科學基金（NSFC）等政府舉措，以及上海等地活躍的生物科技孵化生態，能有效促成產學研合作；在全球層面，COVID-19 mRNA 疫苗的成功引發了資本不成比例地涌入線性 mRNA + LNP 平臺，這種“疫苗偏差”使得同樣關鍵卻更復雜的方向——RNA 表觀遺傳學、circRNA 適配體、罕見病療法——相對資金不足，造成管線戰略失衡。

要真正支持高風險、長周期轉化研究，資助模式必須結構性進化——

• 傳統的 2–3 年學術資助周期會激勵安全的漸進式工作、懲罰冒險的基礎探索；

• 應轉向 5–10 年的延長期資助機制，以里程碑驅動而非即時論文產出為導向，并對新模態開發中固有的早期失敗保持容忍；

• 同時通過可持續的公私合作設立“橋接基金”，跨越從基礎發現到臨床轉化的“死亡之谷”，保證變革性 RNA 技術不斷糧。

9、學術界、產業界和醫院如何更好聯動，加速從基礎發現到真實世界應用？

陳玲玲： 加速 RNA 療法進臨床需要一個緊密集成的生態——

1. 共建共享研究中心——科學家、藥物開發者、臨床醫生近距離協作。臨床醫生能說清真實患者需求，產業能把實驗室發現轉化為安全有效的療法。

2. 完善數據共享基礎設施——醫院與研究單位安全共享患者數據與生物樣本，才能更快驗證假設、精準匹配臨床試驗受試者。

3. 簡化監管與法律框架——為知識產權共享與臨床試驗設立標準、易用的指引，減少法律瓶頸，讓新發現從“實驗臺”順暢進入“病床”。

貫穿始終的前提是：一切努力必須把患者獲益放在首位。

10、需要哪些共享分子標準或協作平臺，才能確保新 RNA 發現對整個領域都可靠、安全？

陳玲玲： 為確保 RNA 藥物安全可靠，全球科研圈可以采納共享質量標準并開放數據交換：

首先建立嚴格的分子標準：包括評估 RNA 純度、穩定性及遞送工具的通用指南，并提供標準化生物參考物質，讓不同實驗室的結果可對齊、可比。

其次搭建開放平臺：例如一個面向 RNA 安全性報告的全球開放數據庫——某些序列或遞送方案引發的失敗/不良反應也能登記，防止重復踩坑；再輔以 RNA 結構開放數據庫，讓大家從同一套生物藍本出發。

共同的質量規則和開放數據網絡，才能讓全球 RNA 共同體減少錯誤、建立公眾信任，并把拯救生命的治療安全地推向前方。

https://www.nature.com/articles/s41589-026-02227-9