密码子优化是指用同义密码子替换基因编码序列中的密码子,从而重新设计该编码序列,通常旨在提高特定宿主或表达系统中的蛋白质产量。由于遗传密码为大多数氨基酸分配了多个密码子,许多不同的核苷酸序列都能编码同一条蛋白质序列。这些不同序列的生物学效应并不一定相同:它们可能影响蛋白质的产量、合成速度及其折叠方式。在当代用法中,密码子优化往往涵盖更广泛的序列工程,而不只是将罕用密码子替换为常用密码子。
生物学基础
在翻译过程中,核糖体沿着信使RNA(mRNA),依次读取由三个核苷酸组成的密码子。转运RNA(tRNA)识别这些密码子,并递送相应的氨基酸。在标准遗传密码中,61个密码子指定氨基酸,另有3个充当终止信号。大多数氨基酸都对应不止一个密码子,但甲硫氨酸和色氨酸各自只有一个密码子。
生物体对同义密码子的使用并不均等。这种不均匀分布称为密码子使用偏好,反映了多种因素的影响,包括突变倾向、核苷酸组成以及与翻译相关的选择作用。不同物种之间、同一物种的不同基因之间,以及不同细胞状态下,密码子偏好都可能有所不同。
因此,从一种生物转入另一种生物的序列,可能含有在新宿主中表现不同的密码子或其他序列特征。在相关条件下,某些密码子的解码效率可能较低,而某些序列组合则可能影响RNA的结构或稳定性。密码子优化试图将这些差异纳入设计考量。
关键在于区分保持氨基酸序列不变与保持生物学行为不变。同义替换不会改变所编码的氨基酸,但不一定能使基因表达、RNA加工或蛋白质功能保持不变。
目标与序列特征
适宜的设计取决于预期结果。使蛋白质总产量最大化只是可能的目标之一;其他目标还包括提高可溶性蛋白质产量、保留生物学活性、提高结果的可重复性,或使序列更易于合成。
密码子使用与解码
传统方法倾向于采用宿主高表达基因中频繁出现的密码子。其依据是,这些密码子可能与宿主的翻译机制更为匹配。
然而,基因组中的出现频率并不能完全代表解码表现。翻译还取决于tRNA丰度、tRNA修饰、密码子与反密码子的配对,以及不同转录本之间的竞争。这些关系可能随生长条件或细胞类型而变化。在整个基因组中罕见的密码子,并不一定在所有情境下都解码缓慢。
RNA结构与翻译起始
同义替换会改变RNA的序列及其潜在的二级结构。编码区起始位置附近的结构可能影响翻译起始机制对该区域的接近和识别。在细菌中,涉及核糖体结合区和编码序列起始部分的相互作用,可能显著影响表达。
因此,即使序列富含偏好密码子,也仍可能因形成不利的局部RNA结构而表达不佳。反过来,含有较多低频密码子的序列,也可能因为起始效率高而表现良好。结构预测虽有帮助,却无法完全重现RNA在细胞内的行为。
RNA加工与稳定性
编码序列可能含有影响转录、RNA加工和降解的信号。在真核生物表达系统中,重新设计序列可以去除非预期的剪接信号,或导致过早切割及多聚腺苷酸化的信号。同义变化也可能改变调控基序,或与mRNA稳定性相关的序列特征。
这些效应取决于具体系统。在某一宿主中造成问题的基序,在另一宿主中可能影响很小;而去除一种特征时,也可能无意中产生另一种特征。
核苷酸组成与可制造性
更广泛的序列优化可能会调整GC含量,即鸟嘌呤和胞嘧啶核苷酸所占的比例,或去除长重复序列及其他难以处理的序列模式。这些变化可以便利脱氧核糖核酸的合成、组装、扩增或序列验证。
设计时还可以去除不需要的限制性内切酶识别位点,或保留构建所需的位点。这些属于工程约束,而非对密码子解码的直接改进,不过商业化和计算设计流程通常也将其纳入“密码子优化”的范畴。
计算方法与评价指标
密码子优化是一个带约束的数学优化问题:氨基酸序列通常固定不变,而通过改变同义核苷酸序列的选择来满足一个或多个目标。
基于频率的方法
简单的方法会将编码每种氨基酸的密码子,替换为宿主最常使用的同义密码子。更灵活的方法则依据目标频率分布抽样选择密码子,以保留序列多样性,而不是在所有位置都采用同一个密码子。
一种广泛使用的描述性指标是密码子适应指数(CAI)。对于包含 个参与评估的密码子的编码序列,它通常表示为
其中, 是密码子 的相对使用频率,以参考集中使用频率最高的同义密码子为基准进行归一化;参考集通常由高表达基因组成。
CAI较高,表明该序列与参考集的密码子偏好相似,但这并不能证明该序列一定能高产功能性蛋白质。结果取决于参考数据和具体实现方式,而且CAI并不直接反映翻译起始、RNA加工或折叠。
多目标设计
更复杂的方法会综合考虑多种性质:
- 密码子频率,以及预测的与宿主tRNA库的匹配程度。
- 局部RNA结构,尤其是翻译起始位置附近的结构。
- 整条序列及局部窗口内的GC含量。
- 重复序列、不需要的序列基序及合成约束。
- 密码子对模式及特定的核苷酸组合。
- 预测翻译速度的局部变化。
这些目标可能相互冲突。提高密码子使用评分,可能会增强不利的RNA结构;去除重复序列,则可能改变局部核苷酸组成。因此,针对同一蛋白质和同一宿主,不同算法可能产生差异很大的序列。
基于机器学习的模型,可以纳入从表达测量数据中学到的关系。但其预测仍取决于训练数据所涵盖的生物种类、实验条件和序列范围。
密码子协调
密码子协调旨在新宿主中重现原始序列中相对常用和罕用密码子的某些分布模式,而不是在每个位置都采用最受偏好的密码子。
其依据是,翻译速度的局部差异可能有助于合成过程中的蛋白质折叠。然而,密码子频率无法完整反映核糖体运行速度,仅凭密码子使用情况预测出的停顿,也不一定具有功能意义。
实验评估
优化是一种设计假设,并不保证表达一定得到改善。评估时需要区分几类结果:
- **转录本丰度:**存在多少mRNA。
- **蛋白质丰度:**积累了多少蛋白质。
- **溶解性与定位:**蛋白质是否保持可溶状态,并到达预期的细胞位置。
- **生物学活性:**蛋白质是否发挥预期功能。
- **产物质量:**折叠、组装及相关修饰是否恰当。
这些结果未必同步变化。重新设计的序列可能提高蛋白质总产量,却降低可溶性或有活性的蛋白质产量。仅测量最终蛋白质丰度,也无法确定某种变化究竟源于转录、RNA稳定性、翻译,还是蛋白质降解。
序列所在的整个表达系统也很重要。启动子、非翻译区、载体、宿主菌株或细胞系,以及生产条件,都可能影响结果。某条序列在一种配置中表现良好,在另一种配置中却未必仍能保持优势。
历史发展与应用
密码子优化源于对同义密码子使用情况的研究,以及重组DNA技术的发展。早期策略往往侧重于替换被认为不适合异源宿主的密码子。1987年提出的CAI,为描述序列对参考密码子使用模式的适应程度提供了一个影响深远的定量框架。
随着合成DNA日益易于获取,研究人员得以重新设计整条编码序列,而不再局限于修改少数位置。这促成了将密码子选择与RNA结构、基序控制及构建要求相结合的优化方法。
其应用包括生产研究用蛋白质、工业用酶和重组抗体,以及设计遗传构建体和基于mRNA的表达系统所用的编码区。在生物技术中,其目标往往是使表达过程更适合选定的生产宿主。
相关方法也可以通过同义重编码有意降低表达,这有时称为密码子去优化。这并不只是将优化过程反向运行:改变密码子频率、密码子对或核苷酸组成,可能同时影响多个生物学过程。
局限性与解读
不存在普遍适用的最优编码序列。“最优”只有相对于指定宿主、表达情境和可测量目标而言才有意义。
以下几项局限尤其重要:
**同义并不意味着功能中性。**编码区所携带的信息可能超出氨基酸序列本身,包括RNA结构、加工信号以及相互重叠的功能元件。
**蛋白质更多,不一定意味着蛋白质更好。**翻译时序的变化可能影响折叠和组装,而表达量提高也可能超出细胞的加工能力。
**密码子的效应难以单独分离。**一次同义替换可能同时改变密码子使用、局部RNA结构、核苷酸组成和调控基序。因此,不能将观察到的改善直接归因于解码速度加快。
**序列评分并非普适的预测指标。**CAI及相关指标只是对选定特征的概括。其预测价值取决于生物系统;当其他步骤成为表达的限制因素时,这些指标的预测能力可能减弱。
**全面替换可能消除有益的变异。**天然编码序列反映了多种约束,而不只是追求蛋白质产量最大化。将所有罕用密码子替换为常用密码子,可能破坏在特定情境中具有重要作用的特征。
因此,理解当代密码子优化的最佳方式,是将其视为依赖具体情境的编码序列工程;同义密码子的选择只是其中一个组成部分,而非使表达量最大化的单一法则。