[发明专利]密码子优化

说明书

一种用于优化在宿主中表达蛋白质的核酸序列的示例性计算机实现方法，其包括：a)接收初始群体集，其中所述初始群体集包含能够表达所述蛋白质的多个初始候选核酸序列(106)；和b)基于所述初始群体集，使用计算机辅助的NSGA‑III算法或其变型执行协调指数、密码子背景指数和离群指数的优化，从而获得能够表达所述蛋白质的多个优化的核酸序列(108)。

以ASCII文本文件提交序列表

下面提交的ASCII文本文件的内容以引用方式整体并入本文：序列表的计算机可读形式(CRF)(文件名：759892000440SEQLIST.TXT，记录日期：2018年7月25日，大小：4KB)。

发明领域

本公开总体上涉及优化技术，且更具体地涉及用于优化在宿主中表达蛋白质的序列(例如，核酸序列)的系统和方法。

背景技术

密码子简并性是指遗传密码的冗余性，其以氨基酸可以由不同的同义密码子指定的现象表现出来。得注意的是，发现这些同义密码子在大多数经测序的基因组中以不相等的频率被使用。这种现象被称为密码子使用偏好性。

因为生物医学和生物技术研究及工业生产需要具有正确折叠和修饰的高质量蛋白质，所以如何探索和总结反映高度表达的基因的密码子使用偏好性的潜在有益规则和模式对于提高蛋白质的表达水平至关重要。然而，蛋白质表达是多步骤的过程，其涉及在转录、mRNA周转、翻译和翻译后修饰的水平上的调控，从而使得能够形成稳定的产物。即使是单个同义密码子替换也可以使转基因的表达增加超过1,000倍。因此，密码子优化为合成基因在重组宿主中的最佳表达奠定了基础。

发明内容

本文提供了使用多目标优化算法考虑和平衡多种因素的增强密码子优化的系统和方法。根据一些实施方案，密码子优化尤其基于三个目标：(i)首先如何分配某些氨基酸的同义密码子的计数，(ii)如何将同义密码子置于其最合适的位置，以及(iii)如何减少不利但意外产生的子序列和/或基序。在一些实施方案中，这三个目标被量化为协调指数、密码子背景指数和离群指数。在优化过程中，使用多目标算法如非支配排序遗传算法III(NSGA-III)或其变型来考虑目标。具体而言，对于给定的候选核酸序列，可以参考高度表达的基因的已知特征来计算目标。在一些实施方案中，在基因合成和蛋白质表达之前，从一个或多个优化的序列中去除各种已知的不利基序和/或特征(例如，从文献中鉴定的)。

因此，本发明提供了一种系统方法，由此优选影响蛋白质表达的所有或大部分参数和因素(包括但不限于密码子协调性、密码子使用(例如同义密码子分布)、密码子背景指数、顺式作用mRNA去稳定基序、RNA酶剪接位点、GC含量、核糖体结合位点(RBS)、基因的mRNA二级结构(例如mRNA自由能)和重复元件)都被考虑到，以改进和优化核酸序列，从而促进基因在表达系统，诸如在包括真核细胞和原核细胞(如哺乳动物、昆虫、酵母、细菌、藻类)在内的表达宿主细胞中，以及在无细胞表达系统中的蛋白质表达。

在一些实施方案中，提供了用于优化在宿主中表达蛋白质的核酸序列的计算机实现方法，所述计算机实现方法包括：a)接收初始群体集，其中初始群体集包含能够表达蛋白质的多个初始候选核酸序列；和b)基于初始群体集，使用计算机辅助的NSGA-III算法或其变型进行协调指数、密码子背景指数和离群指数的优化，从而获得能够表达蛋白质的多个优化的核酸序列，其中候选核酸序列的协调指数指示多个高度表达的基因和候选核酸序列之间的同义密码子的使用频率分布的一致性，其中候选核酸序列的密码子背景指数是用于将同义密码子置于合适位置的量度，并且其中候选核酸序列的离群指数是多个预定序列特征对候选核酸序列的负面影响的量度。

在一些实施方案中，该方法还包括提供指示多个优化的核酸序列中的至少一个优化的核酸序列的输出。

在一些实施方案中，接收初始群体集包括：接收蛋白质序列；基于接收的蛋白质序列产生初始群体集。