mRNA疫苗或药物的药效学性质很大程度上由底层的核苷酸序列决定，小编作为科研服务供应商对这点感触颇深。2026年6月，中科院上海药物研究所团队发表综述文章，系统梳理了人工智能（AI）在mRNA药物设计中的应用现状，阐述了从早期的5'UTR、CDS等单一区域单独优化，向“多区域协调设计”（Coordinated Design）和全长打分预测的转变。

本文基于综述原文，汇总了mRNA序列优化的代表性工具，包括用于UTR序列优化的Optimus 5-Prime、UTR-LM、Smart5UTR、PARADE；用于CDS序列优化的LinearDesign、CodonBERT；以及mRNA多区域协同优化的LinearDesign2、GEMORNA和mRNABERT。

一、mRNA UTR序列设计

1. Optimus 5-Prime

• 算法逻辑：采用卷积神经网络 (CNN) 架构，在大规模平行报告基因检测 (MPRA) 库中包含的 280,000 个随机 50 nt 5'UTR 序列上进行训练，以学习非天然序列的核糖体载量规律。此外，它可以与遗传算法 (GA) 耦合，根据目标进行序列的反向设计。
• 关键指标：平均核糖体载量 (Mean Ribosome Load, MRL)，用作翻译效率 (TE) 的预测指标。

2. UTR-LM

• 算法逻辑：基于 Transformer 编码器的 5'UTR 序列语言模型。它在约 210,000 个来自 5 个物种的内源性 5'UTR 序列上进行无监督自监督预训练，并将二级结构与最小自由能      (MFE) 建模作为辅助任务，联合编码演化和物理约束。
• 关键指标：MRL、翻译效率 (TE)、mRNA     表达水平 (EL) 以及内部核糖体进入位点      (IRES) 识别。

3. Smart5UTR

o算法逻辑：利用多任务自编码器(Multitask Autoencoder) 深度生成模型，专门在隐空间中搜索具有高 MRL 的 （N1-甲基假尿苷）修饰 5'UTR 序列。

o关键指标： 修饰下的 MRL、疫苗免疫诱导抗体滴度。

o应用实例：Smart5UTR可用于化学修饰 mRNA。相比于使用高表达天然内源 UTR 对照组的疫苗，由 Smart5UTR 优化设计的合成 5'UTR 序列诱导小鼠产生的中和抗体滴度高出了近两个数量级。

4. PARADE

o算法逻辑：利用扩散模型 (Diffusion Model) 联合生成 5' 和 3' UTR 对。

o关键指标：细胞特异性（cell-type selectivity）活性差异。

o应用场景：组织/细胞特异性治疗性 mRNA 的设计，例如：设计在靶标 T 细胞中表达活跃、但在非靶标肝细胞中活性低下的配对 UTR，以提高靶向性并降低系统毒性。

二、mRNA CDS优化工具

1. LinearDesign

o算法逻辑：LinearDesign是一个基于自动机理论、形式文法和动态规划的算法计算优化框架。它通过确定性有限状态自动机 (DFA) 压缩编码同义密码子组合，以随机上下文无关文法 (SCFG) 作为 RNA 折叠能量模型，通过格子解析（lattice parsing）和束搜索（beam search）在海量同义序列中寻找 CAI 和二级结构折叠稳定性的最优解。

o关键指标：最小自由能 (MFE, 代表结构折叠稳定性）与密码子适应指数 (CAI, 代表密码子偏好性）的权衡组合。

o应用实例：大规模病毒疫苗及蛋白药 CDS 开发。针对 SARS-CoV-2 Spike 蛋白和 VZV gE 蛋白设计的序列，不仅大幅增加了体外化学半衰期（如将半衰期从 3.9 小时提升到 20 小时），使HEK293 细胞中的蛋白表达水平增加约 3 倍，且小鼠免疫中的 IgG 抗体滴度高出达 128 倍。其算法计算时间极其高效（对 Spike 蛋白 CDS 的优化在约11 分钟内即可完成）。

2. CodonBERT

o算法逻辑：基于 Transformer (BERT) 语言模型，将密码子作为基本分词单位（Tokens）。在包含多个物种约 1,000 万个编码序列的大型语料库上进行自监督预训练，联合优化掩码语言建模(MLM) 与序列分类预测 (STP)。

o关键指标：翻译效率 (TE)、蛋白质表达水平 (EL) 预测及 mRNA 降解速率。

o应用实例：生成通用的密码子嵌入表征。用作下游任务的打分或预测网络，在流感血凝素 (HA) 疫苗设计等任务中准确评估并打分密码子的使用特性，在下游预测上表现出优于非密码子级别模型的性能。

三、mRNA多区域协调设计工具

1. LinearDesign2

• 算法逻辑：属于交替优化架构。该算法首先使用 LinearDesign 设计初始 CDS，并借助在大规模多源数据上训练的翻译起始效率 (TIE) 预测器，通过标量化（scalarization）将 5'UTR-CDS 全长转录本的 TIE、CAI 和 MFE 组合为综合适应性得分。其采取交替进化的迭代搜索：在固定 CDS 的前提下迭代优化 5'UTR 以提升 TIE；在固定 5'UTR 时引入微调以优化 CDS 的 CAI 与       MFE，直至收敛。
• 关键指标：翻译起始效率 (TIE)、密码子适应指数 (CAI) 以及最小自由能 (MFE)。
• 应用实例：Spike 蛋白及 VZV 抗原疫苗的 5'UTR-CDS 协同设计，用于在保持 LinearDesign 高 MFE（结构稳定性）的同时，将 TIE 恢复或超越野生型/商业疫苗水平，进一步放大翻译输出（目前暂不支持 3'UTR 协同）。

2. GEMORNA

• 算法逻辑：属于模块化生成与联合筛选框架（目前尚未实现端到端的一体化全长序列直接生成）。其 CDS 设计模块使用 Transformer       Encoder-Decoder 架构，将氨基酸序列翻译为密码子序列；UTR 设计采用 Decoder-only 架构，分别预训练后并在高表达和高稳定性库上微调。推理时分别独立生成 5'UTR、CDS 和       3'UTR 候选库，随后将这些候选拼装组合，通过后续少量的实验测定进行高通量联合筛选。
• 关键指标：体外表达水平 (EL)、体内半衰期/稳定性、体内药效及免疫原性。
• 具体应用场景：全长候选 mRNA 与新型环状 RNA (circRNA) 的大规模生成和筛选。在萤火虫荧光素酶中实现表达量比优化基准高 41 倍；在促红细胞生成素 (EPO) 治疗性蛋白场景中实现相比于商业基准高 15-150 倍的峰值表达；并在新冠疫苗中表现出比 BNT162b2 与 LinearDesign 更高更持久的抗体滴度。

3. mRNABERT

• 算法逻辑：专为全长 mRNA 打造的通用预训练大语言模型。其在 1,800 万条已显式标注 5'UTR、CDS 和       3'UTR 的全长 mRNA 序列上进行预训练。采用双重分词（dual tokenization）方案：对于非翻译区采用单核苷酸（nucleotide）Tokens，对编码区（CDS）则采用密码子三联体（codon）Tokens，并结合 ALiBi 位置编码与闪电注意力机制（Flash Attention）。它还通过跨模态对比学习技术，将 mRNA 编码嵌入与蛋白语言模型的表征进行了空间对齐。
• 关键指标：5'UTR TE、CDS 表达与稳定性预测、RNA 结合蛋白 (RBP) 结合位点，以及全长 mRNA 的全局物理化学属性。

这篇综述文章系统化定义了从“区域割裂优化”（UTR或CDS独立设计）向“多区域联合优化”的发展路径，深入剖析了 LinearDesign2、GEMORNA 及 mRNABERT 等前沿模型在处理跨区域长程依赖和结构耦合方面的算法突破。

在AI与RNA生物学的双向奔赴下，mRNA药物序列设计正从基于单一区域密码子偏好（CAI）的静态工程，向考虑全长多顺式作用元件动态协同（Coordinated Design）的多属性Pareto最优边界搜索演进。

除文章介绍的AI工具外，中国科学院上海免疫与感染研究所郝沛课题组等团队开发的模块化全长设计框架：mRNAdesigner也备受关注，具备CDS、UTR优化模块，关注指标包括：密码子适应指数（CAI）、GC含量、未配对区域比例、最大茎环长度、MRL（翻译起始效率）、碱基互补配对率、mRNA稳定性（通过减少AREs/CUREs等）。mRNAdesigner的在线开源为科研人员提供了极大的便利。

此外，耀海青鸟核酸的一些合作伙伴（Top高校PI）也在开发mRNA序列设计工具，我们在一些既往项目中进行了测试，通过湿实验验证了蛋白表达量的显著提升。感兴趣的伙伴们可以私信小编。

[1] Y. Shi, C. Zeng , X. Sheng et al., Transformi ng m RNA drug design with AI: From UTR and codon optimization to coordinated design, Journal of Advanced Research,https://doi.org/10. 1016/j.jare.2026.06.013.