反义寡核苷酸设计流程：从计算筛选到临床转化

可复现的 ASO 设计流程遵循固定顺序：计算筛选、分层体外筛选、序列微调优化，最后进入 CMC、非临床与患者细胞验证。整条链路上最重要的三个判据是解链温度（Tm）、GC 含量与目标位点可及性，但计算预测无法替代实验验证。本文按阶段拆解工具、脚本与监管要点，并附一份可直接套用的核查表。

简述:

设计过程应以明确的“通过/不通过”标准为指导，确保每个阶段都能提供可靠的证据支持候选。

计算工具的参数预测需结合实验验证，因为单一参数不能完全反映生物系统的复杂性。

候选筛选应从单浓度初筛逐步细化到多浓度建模和表型验证，以高效淘汰无效候选。

化学修饰需结合作用机制进行选择，影响候选的稳定性、免疫反应和组织分布。

将疾病模型和药物筛查流程外包到专业机构，能在有限时间内快速获得IND所需的功能性证据。

Hopeatrarelabs

让患者细胞参与治疗探索

RareLabs 使用患者自身细胞建立疾病模型，开展药物、ASO 与基因治疗方案的平行筛选。

了解 RareLabs 的方法

ASO 设计总体框架与关键决策点

把整条流程想象成一张地图，每个阶段都有明确的目标和该交付的最小证据集，而不是一次性完成的黑箱工程。设计阶段的目标是把靶点序列转化为数十到数百个候选，交付物是带注释的候选清单和预测评分。筛选阶段把候选压缩到个位数，交付物是效力曲线和表型数据。优化阶段进一步纯化序列细节，交付物是最终候选及其安全边界。验证阶段把最终候选放进患者细胞，交付物是可用于监管沟通的功能性证据。

计算设计阶段：产出带 Tm、GC%、可及性评分的候选列表，目标是覆盖尽可能多的合理序列空间。
单浓度初筛阶段：产出命中率排序，目标是用最少的资源剔除明显无效候选。
多浓度效力建模阶段：产出 EC50/IC50 曲线，目标是量化剂量反应关系。
表型验证阶段：产出功能性终点数据，目标是确认分子层面的敲降或剪接改变能转化为细胞表型的实际改善。
微调优化阶段：产出经过 micro-walking 精修的候选，目标是在效力和脱靶风险之间找到平衡点。
CMC 与非临床准备阶段：产出可提交给监管机构的资料包，目标是让候选具备进入 IND 的证据链完整性。

流程本身是迭代的，不是单向流水线。当多浓度曲线显示效力不足或表型验证结果模糊时，团队通常需要回到计算阶段重新扫描邻近序列，而不是强行推进一个数据不扎实的候选。反过来，一旦某个候选在患者细胞中稳定复现表型改善，并且体外数据显示出足够的安全边界，就应该尽快转入非临床和 CMC 准备，因为监管沟通本身也需要时间。Systematic Approach to Developing Splice Modulating Antisense Oligonucleotides 描述的正是这种从计算预测到体外优化再到验证的可复制路径，其核心提示是：每个阶段都需要设定明确的“通过/不通过”标准，避免候选在缺乏证据支持的情况下被主观推进。

计算与生物信息学设计：工具、判据与实用参数

计算设计阶段的任务是把靶点序列转化为可执行的候选清单，常用工具各自负责流程中的不同环节。

SpliceAI：预测剪接位点强度变化，适合在设计剪接调控类 ASO 时判断目标外显子的剪接倾向。
Mfold 或 RNAstructure：计算 mRNA 二级结构和自由能，用于评估目标区域是否被结构折叠遮蔽而降低可及性。
ESEfinder 与 Human Splicing Finder：识别外显子剪接增强子（ESE）与沉默子（ESS）基序,帮助判断候选序列覆盖的调控元件类型。
BLASTn：核对候选序列在基因组中的特异性，排除潜在脱靶结合位点。
ASOG（Antisense Oligonucleotide Generator）：把 SpliceAI、Mfold、BLASTn 与热力学计算整合成自动化管线,批量生成并注释候选序列，相关文献展示了这种多工具集成方式如何提升候选优先级排序的效率。

判据方面，Tm 通常建议落在生理相关的结合稳定区间内,GC 含量过高容易引发自折叠和非特异性结合，过低则削弱结合亲和力，Systematic Approach 一文指出结合能与目标位点可及性是决定剪接调控类 ASO 活性的关键变量。ESE/ESS 基序数量影响候选对剪接调控的敏感度，密集的 ESE 覆盖区通常是剪接干预的优先目标。同时需要检查候选序列本身是否容易形成自折叠结构或与其他候选形成二聚体，这类结构会显著降低有效浓度。

专业提示： 把计算预测当作排序工具而不是判决书,任何单一参数得分再高，也要留出实验验证的预算，因为生物系统的复杂性会不断制造预测之外的例外。

计算预测的局限性在于它无法完全模拟细胞内的染色质状态、蛋白结合竞争和转录动态,这意味着即使 Tm、GC% 和可及性评分都理想的候选，也可能在体外测试中表现平庸。实用的做法是用计算分数对候选做初步分层，优先推进得分居前但序列多样性覆盖不同结合区域的一批候选，而不是只挑单一算法给出的最高分序列。

化学修饰、骨架与药代考量

ASO 的化学修饰决定它在细胞内的作用机制、稳定性与分布，这些属性需要在候选筛选阶段就纳入决策，而不是等到优化阶段才补充考虑。

硫代磷酸酯骨架（PS）：提升核酸酶抗性和血浆蛋白结合，是大多数 ASO 骨架修饰的基础选项。
2'-OMe 与 2'-MOE：增强结合亲和力和代谢稳定性，常用于剪接调控和 gapmer 设计中的侧翼区域。
LNA（锁核酸）：提供更强的结合亲和力，但过度使用会增加肝毒性风险，需要控制在序列中的比例。
Gapmer 结构：中央为 DNA 或 DNA 类似物,两端为高亲和力修饰,专门用于激活 RNase H 介导的靶标降解。
纯剪接调控型修饰（如全长 2'-MOE 或吗啉代寡核苷酸）：不激活 RNase H，而是通过物理阻断剪接因子结合来调节外显子选择,Systematic Approach 一文指出这类化学选择直接决定了 ASO 的作用机制走向。

修饰类型还影响免疫原性和组织分布：过多的 PS 修饰可能增加炎症反应风险，而 LNA 密度过高会提高脱靶结合概率。体外筛选阶段选择的转染方法（脂质转染、电穿孔或无载体的自由摄取测试）会直接影响候选之间的可比性，因为不同递送方式对细胞摄取效率的影响差异很大，同一候选换用不同转染方法可能得出完全不同的效力排序，这也是为什么筛选设计中需要固定递送条件作为变量控制的一部分。

分层体外筛选工作流：从初筛到表型验证

分层筛选的目的是用最少的实验资源把候选池从数百个压缩到个位数，同时保留足够的统计置信度。

单浓度初筛：通常在一个固定浓度下测试全部候选，设置阴性对照（无处理或错配序列）和阳性对照（已知有效序列），命中标准一般设定为相对于对照有明确方向性变化的候选，未达标者直接淘汰。
多浓度效力建模：对初筛命中的候选进行剂量梯度测试，用非线性回归拟合剂量反应曲线，得到 EC50 或 IC50 以及最大敲降幅度或最大剪接改变百分比，这一步能区分“有效但弱”和“真正强效”的候选。
表型或功能终点验证：根据靶点生物学选择合适终点，包括 mRNA 定量（RT-qPCR）、蛋白水平（Western blot 或 ELISA）、成像（免疫荧光或活细胞成像）或功能测定（酶活性、电生理），目标是确认分子层面变化能转化为细胞行为的实际改善。
质量控制与重复性检验：每个浓度点至少设置生物学重复，同时监测转染效率作为内部对照，避免把转染差异误判为候选效力差异。

在一组 156 个 AON 的回顾性分析中，有效候选与无效候选在 GC 含量、结合能和靠近受体剪接位点的距离上存在明显差异，这项分析显示少数几个参数组合就能对候选有效性做出较高准确率的预测，这也支持了在初筛阶段优先参考这几个变量来排序候选。

统计学考量方面，单浓度初筛容易受到批次效应影响，因此建议在同一批次内混合排列候选和对照，而不是按候选顺序依次测试。多浓度建模阶段的重复次数直接影响 EC50 置信区间的宽度，样本量不足会导致排序不稳定，这也是很多团队在推进候选前选择增加重复而不是急于结案的原因。

模型与测定：通用细胞系与患者特异性验证

选择合适的实验模型是筛选流程中容易被低估的决策点，模型类型直接决定数据的转化价值。

通用细胞系（如 HEK293、HeLa）：适合初筛阶段的高通量测试，操作简便、成本低，但缺乏靶点疾病相关的细胞背景，敲降效果不一定能反映患者细胞中的真实反应。
患者来源 iPSC 及其分化细胞：能保留患者特异性的遗传背景和表观遗传状态,是验证候选是否真正纠正患者表型的关键模型，尤其适用于罕见病等缺乏现成细胞系的场景。
类器官模型：在组织结构和细胞异质性上更接近体内环境，适合需要观察多细胞类型相互作用的表型终点。
转染试剂选择：脂质转染适合大多数贴壁细胞的高通量筛选，电穿孔更适合难转染的原代细胞或 iPSC 衍生细胞，但电穿孔通常带来更高的细胞毒性，需要单独评估。

专业提示： 在从通用细胞系转向患者 iPSC 模型时，重新验证一遍在初筛阶段确定的最优候选，因为细胞背景差异有时会颠倒候选之间的效力排序。

细胞毒性评估应该和效力测定同步进行，而不是等到候选确定后才补测，因为一个看似高效但同时高毒性的候选在后续开发中几乎没有价值。不同模型之间的数据可比性有限，团队需要在报告中明确注明测试所用的细胞类型和转染条件，避免把不同模型的数据直接混合比较。

序列优化技巧：micro-walking 与二次筛选

在确定几个候选大致方向后，序列优化阶段的任务是把它们精修到更窄的最优区间。

micro-walking 执行：以 5 个核苷酸为步进单位，沿目标区域滑动生成一系列重叠序列变体，逐一测试效力变化，这种方法能揭示效力对结合位置的敏感程度，往往会发现比初始候选更强的邻近序列。
长度变体测试：在确定最优结合区域后，测试缩短或延长几个核苷酸的变体，评估效力和特异性之间的平衡，通常较短序列合成成本更低但结合亲和力也随之下降。
二聚体与自折叠排查：用二级结构预测工具重新检查所有候选变体，排除容易形成 AON 之间二聚体或自身发夹结构的序列，这类结构会显著降低有效游离浓度而在初筛阶段容易被忽略。

制造、质量控制与监管要点

推进候选进入临床转化之前，CMC 和非临床数据的准备工作应该提前启动，而不是等候选定型后才开始。

序列鉴定与杂质分析：需要明确记录候选的完整化学结构、合成路径和已知杂质谱,这是 IND 申报的基础材料。
制造过程说明：包括合成规模、纯化方法和批次一致性数据,监管机构关注的是重复生产同一质量产品的能力。
非临床安全评价：需要选择合适的动物物种，设计毒性研究并纳入药效学和药代动力学指标，FDA 的非临床安全指导对寡核苷酸类药物的毒性研究设计和物种选择提出了具体建议，并强调生物标志物在评估毒性和设计剂量方案中的作用。
证据链组织：把体外效力数据、患者细胞表型改善证据和非临床安全数据整合成一份逻辑连贯的概念验证材料，供监管机构审阅。

IND 中应提交序列鉴定、制造过程与杂质分析信息，并建议申请方在正式提交前请求 pre-IND 会议，讨论 CMC 计划与非临床策略。 FDA 个体化 ASO 药物 IND 提交指南

提前进行 pre-IND 沟通能显著降低后期返工风险，因为监管机构可以在早期就候选的证据充分性给出反馈，避免团队投入大量资源后才发现关键数据缺口。

RareLabs 的实证流程与患者细胞验证范例

把上述设计和筛选流程落地到具体患者身上，需要一个能同时处理疾病建模和平行药物筛查的实验体系。提供的服务覆盖了这条链路的关键环节，包括利用患者细胞构建 iPSC 疾病模型并建立生物样本库，随后并行筛查大量已获批药物，同时完成定制 ASO 的设计、合成与体外 rescue 验证。这种并行结构让团队可以在同一患者细胞背景下比较小分子药物和寡核苷酸方案的效果，而不需要分别搭建不同的验证体系。

在实际操作中，从疾病建模到候选筛选与验证完整流程通常需要数周到数月，具体时长取决于疾病复杂度和候选数量。交付物一般包括方法学文件、筛选数据包和针对患者表型的功能验证结果，这些材料本身也是构建 IND 证据链的基础组成部分。关于剪接调控类 ASO 从变异分析到患者细胞验证的完整拆解，可以参考 RareLabs 对剪接调控 ASO 流程的详细说明。

RareLabs 的实证流程与患者细胞验证范例 — overview diagram

实操清单：从靶点到 IND 的核查表

把前面几个阶段的判断标准整理成一份可直接对照执行的清单，能减少团队在推进候选时的主观判断偏差。

确认候选序列已通过 Tm、GC% 和可及性评分的初步筛选，且评分居前的候选覆盖了不同结合区域。
单浓度初筛已设置阴性和阳性对照，命中候选数量维持在适合后续多浓度测试的合理范围。
多浓度效力建模已获得剂量反应数据，且重复次数足以保证测定结果具有统计学可靠性。
表型验证终点已根据靶点生物学明确选定，并在至少一种患者相关模型中成功重复观察到效应。
已完成 micro-walking 和长度变体测试，排除明显的自折叠和二聚体风险。
化学修饰选择已与作用机制（RNase H 介导降解或剪接调控）匹配。
已开始准备序列鉴定、杂质分析及制造过程的相关文档。
已规划非临床安全评价所需的物种选择和毒性研究设计。
已考虑 pre-IND 沟通时间节点，避免临床转化节奏被后期补数据拖慢。

作者视角：ASO 临床转化的关键教训与未来趋势

多年积累的经验告诉我，计算预测和生物学可及性之间的差距,往往比研究者预期的更大。一个 Tm、GC% 和结合能都理想的候选，仍可能因为染色质状态或蛋白竞争而在细胞内表现平庸，这不是预测工具的失败,而是生物系统复杂性的必然结果。递送效率和监管节奏是另外两个经常被低估的变量,前者决定候选能否真正进入目标细胞，后者决定候选能多快转化为患者可及的治疗。

行业趋势正在朝两个方向发展：AI 驱动的预测工具正在缩短候选生成的周期，而患者特异性细胞模型正在从个别案例走向常规验证环节。对研究者而言，最实际的建议是：把计算工具当作排序手段，把患者细胞验证当作不可省略的关键证据,两者缺一都会削弱候选的临床转化说服力。

— John

RareLabs 的服务简介与何时考虑外包

当研究团队面临时间压力、需要 IND 级证据或内部缺乏患者细胞建模能力时,把疾病建模和药物筛查外包出去往往比自行搭建体系更省时间。RareLabs 提供的服务正是围绕这条链路设计的。

Hopeatrarelabs

利用患者自身细胞构建 iPSC 疾病模型，并建立生物样本库供长期研究使用。
并行筛查约 3000 种已获批药物，与定制 ASO 设计、合成及体外 rescue 验证同步进行。
提供覆盖 IND 准备所需的综合数据包，帮助团队组织非临床与制造证据链。

这类服务尤其适合已经确定候选方向但缺乏内部患者细胞平台的团队，或者需要在有限时间窗口内获得可用于监管沟通的功能性证据的项目。如果你的研究正处于从计算设计走向体外验证的阶段，可以在 RareLabs 官网了解服务详情并联系团队讨论具体项目需求。

This article is general information, not a substitute for advice from a qualified doctor. Consult a qualified healthcare professional about your own circumstances before acting on anything here.

来源

常见问题

ASO 是什么的缩写？

ASO 指反义寡核苷酸,是一类通过与特定 mRNA 序列结合来调节基因表达或剪接的短链核酸分子。根据化学修饰和结合位置不同，Systematic Approach 一文指出它可以通过 RNase H 介导降解、阻断翻译或调控剪接来实现不同的治疗机制。

如何设计一条反义寡核苷酸？

设计通常从靶点序列的计算扫描开始，用 SpliceAI、Mfold 或 ESEfinder 等工具评估 Tm、GC 含量、二级结构可及性和剪接调控基序，生成一批候选序列。随后候选需要经过单浓度初筛、多浓度效力建模和表型验证的分层体外筛选，才能确定真正有效的序列，ASOG 管线展示了如何把这些工具整合成自动化设计流程。

ASO 和 siRNA 有什么区别？

两者都能通过序列特异性结合调节基因表达，但作用机制和化学结构不同：ASO 通常是单链分子,可以通过多种机制起作用，包括 RNase H 介导降解、翻译阻断或剪接调控；siRNA 是双链分子，主要通过招募 RNA 诱导沉默复合体（RISC）来降解靶标 mRNA。设计判据也有差异，ASO 设计更关注化学修饰对结合稳定性的影响，而 siRNA 设计更关注双链结构的稳定性和 RISC 识别效率。

ASO 是如何在细胞内发挥作用的？

ASO 与靶标 mRNA 的互补序列结合后，可以通过几种不同的机制起效：激活 RNase H 降解靶标转录本、物理阻断核糖体翻译，或者干扰剪接因子结合从而改变外显子的剪接方式。具体机制取决于所用的化学修饰类型，例如 gapmer 结构专门用于激活 RNase H 介导的降解，而纯修饰型寡核苷酸更常用于剪接调控。