程序员逆向重建mRNA源代码，惊奇发现疫苗居然是2万亿段代码，医学迎来新突破？

文章来源：https://finance.sina.com.cn/tech/2021-01-06/doc-iiznezxt0812011.shtml

从辉瑞疫苗被批准之后，它就被置于世界的聚光灯下。近日，一位程序员从计算机科学的角度，对辉瑞疫苗的设计进行了‘逆向工程’，文章引发不小的反响。

从信头（Header）、元数据（Metadata），到帮助假装躲过人体免疫系统防火墙的 Ψ 分子，一支疫苗有2万亿段重复的代码，咱们看到了计算机与生物学那颇为神秘的联系。

　　辉瑞疫苗，逆向工程？

　　听起来有些难以想象，但一位程序员从计算机科学的角度深度剖析了Biotech/辉瑞的mRNA新冠疫苗BNT162b设计，并撰写了这篇文章—— Biotech/辉瑞SARS-CoV-2疫苗的源代码的反向工程（Reverse Engineering the source code of the BioNTech/Pfizer SARS-CoV-2 Vaccine）。（如下简称辉瑞疫苗）

　　读事后，你或许会开始会让你对生命和计算机世界产生奇妙的联系。

      若是你对编程感兴趣，想在将来为国家的医疗或其余方面奉献一份力量，小编给你推荐一个学习交流群，

     十多年编程大神手把手带你成为程序员，q群：1151395975，还有免费好礼相送

简单的生物学背景

让咱们先来回顾一下生物学知识，这里，咱们将透过程序员的眼睛看待生命编码。

DNA和程序的种种类似的地方，但与计算机使用0和1不一样，生命使用A、C、G和U/T来编码。

　在天然界中，A、C、G和U/T都是分子，以链的形式储存在DNA（或RNA）中。

　在计算机中，咱们把8位编入一个字节，字节是处理数据的典型单位。

　天然界将3个核苷酸组合成一个密码子，而这个密码子是典型的处理单元。

　密码子包含6位信息 （每一个DNA字符2位，3字符= 6位，这意味着2⁶ = 64种不一样密码子值） 。

　其次，疫苗是一种液体，咱们该如何谈论源代码？

源代码！

　让咱们从疫苗的一小部分源代码开始，下图为世界卫生组织公布的BNT162b前500个字符。

　　mRNA新冠疫苗BNT162b的核心就是这个数字代码。它有4284个字符长，在疫苗生产过程的最开始，将这段代码上传到DNA打印机，而后打印机将磁盘上的字节转换成实际的DNA分子。

DNA打印机，型号BioXp 3200

从这样的机器中产生了少许的DNA，在通过大量的生物和化学处理后，最终成为疫苗瓶中的RNA。

　　RNA就像计算机的RAM同样，可是，RNA很是脆弱，因此，辉瑞的mRNA疫苗必须储存在最深处的深冷库里。

　　每一个RNA字符的重量为 0.53·10⁻²¹克，一针疫苗里有2万亿段重复的代码，至关于25 Pb的数据量。

　　让咱们来看世卫组织文件披露的一页：

　　首先，cap是什么？就像你不能在计算机上的一个文件中输入操做码而后运行它同样，生物操做系统须要头文件、连接器和调用约定之类的东西。

　　疫苗的编码由如下两个核苷酸开始： 

　　这能够与以MZ开头的DOS和Windows可执行文件，或以#！开头的UNIX脚本进行比较。在生活系统和操做系统中，这两个字符都不会以任何方式执行。但他们必须在那里，不然什么都不会发生。

　　mRNA ‘帽’有许多功能，它让代码看起来合法，从而保护它不被咱们身体里的免疫系统破坏。

　　未翻译区5 ‘UTR

　　生命由蛋白质组成。当RNA转化为蛋白质时，这被称为翻译。

　　RNA分子只能从一个方向读取。使人困惑的是，阅读开始的部分被称为5‘UTR。读数在3 ’UTR中止。

　　UTR（Untranslated Regions） 即非翻译区，是mRNA分子两端的非编码片断：

　　在这里，咱们遇到了第一个惊喜。正常的RNA特征是A、C、G和U。U在DNA中也被称为‘T’。但在这里咱们发现了一个ψ。

　　怎么回事？

　　这是关于疫苗的一个特别聪明的地方。咱们的身体运行着一个强大的反病毒系统，因为这个缘由，细胞对外来RNA很是冷淡，而且在它作出任何反应以前就要破坏它。

　　这对咱们的疫苗来讲是个问题——它须要偷偷经过咱们的免疫系统。通过多年的实验，人们发现，若是RNA中的U被一种稍做修饰的分子所取代，咱们的免疫系统就会失去兴趣。

　　因此在辉瑞疫苗中，每一个U都被1-甲基-3 ‘ -伪尿酰（ψ）所取代，它能帮助咱们的疫苗逃过免疫系统这一关。

　　在计算机安全领域，咱们也知道这个诀窍：有时可能传输某样东西，虽然这会引发防火墙和安全解决方案的怀疑，但这仍然被后端服务器接受，而后可能被黑客攻击。

　　不少人问，病毒可否也用ψ技术来战胜咱们的免疫系统？

　　这是不太可能的。由于生命根本没有制造1-甲基-3 ‘ -伪尿酰核苷酸的机制，而病毒须要依靠生命的机制来繁殖本身。而mRNA疫苗在人体内迅速降解，而ψ修饰后的RNA不可能在那里复制。

　　回到5 ‘ UTR。这51个字符是作什么的？如同天然界的一切事物同样，几乎没有任何事物有一个明确的功能。

　　当咱们的细胞须要将RNA翻译成蛋白质时，这须要使用一种叫作核糖体的机器。核糖体就像蛋白质的3D打印机。它摄取一串RNA，在此基础上释放出一串氨基酸，而后折叠成蛋白质。

　　这就是咱们在上面看到的状况。底部的黑色丝带是RNA。出如今绿色部分的缎带是正在造成的蛋白质。进出的东西是氨基酸和使它们适合RNA的适配器。

　　这个核糖体须要坐在RNA链上才能发挥做用。一旦就位，它就能够开始根据它摄入的RNA进一步造成蛋白质。从这一点上，你能够想象它还不能读出它首先降落的地方。

　　这只是UTR的功能之一：核糖体着陆区。UTR提供‘导入’。

　　S糖蛋白信号肽

　　如前所述，疫苗的目标是让细胞产生大量刺突蛋白。到目前为止，咱们在疫苗源代码中遇到的大可能是元数据和调用约定。如今咱们进入病毒蛋白质的领域。

　　然而，咱们还有一层元数据须要处理。一旦核糖体制造出一个蛋白质，这个蛋白质仍然须要去某个地方。这是编码在‘S糖蛋白信号肽（扩展先导序列）’。

　　了解这一点的方法是，在蛋白质的开头有一种地址标签，做为蛋白质自己编码的一部分。在这个特定的例子中，信号肽代表这种蛋白质应该经过‘内质网’离开细胞。

　　‘信号肽’不是很长，可是当咱们看代码时，病毒和疫苗的RNA是有区别的：

　　怎么回事呢？咱们知道，在生物学中，三个RNA字符组成一个密码子。每一个密码子都对特定的氨基酸进行编码。而疫苗中的信号肽与病毒自己的氨基酸彻底相同。

　　那么RNA是怎么不一样的呢？

　　有4³=64个不一样的密码子，由于有4个RNA字符，一个密码子中有3个。然而只有20种不一样的氨基酸。这意味着多个密码子对同一种氨基酸进行编码。

　　下表映射了RNA密码子和氨基酸之间的编码关系：

RNA密码子表丨维基百科

　　在这个表中，咱们能够看到疫苗（UUU -> UUC）的修改都是同义的。疫苗的RNA编码不一样，但会产生相同的氨基酸和蛋白质。

　　若是咱们仔细观察，咱们会发现大部分的变化发生在密码子的第三个位置，上面有一个‘ 3 ’。若是咱们检查通用密码子表，咱们会发现第三个位置一般与产生的氨基酸无关。

　　因此，这些变化是同义的，但为何会有这些变化呢？仔细观察，咱们发现除了一个变化以外，全部的变化都会致使更多的C和G。

　　你为何要这么作？如上所述，咱们的免疫系统会对‘外源性’RNA进行攻击，为了逃避检测，RNA中的‘U’已经被ψ所取代了。

　　然而，事实证实，含有更多G和C的RNA也能更有效地转化为蛋白质，这已经在疫苗RNA中实现了只要有可能就用G和C替换许多字符。

　　真正的刺突蛋白

　　疫苗RNA的下3777个字符相似于‘密码子优化’，能够添加大量的C和G。

　　这里咱们看到同义的RNA变化。例如，在第一个密码子中CUU变成了CUG。这给疫苗增长了另外一个‘G’，咱们知道这有助于提升蛋白质的生产。

　　当咱们比较疫苗中的整个刺突蛋白时，全部的变化都是同义的。除了两个，这就是咱们在这里看到的。

　　上面的第三和第四个密码子表明了实际的变化。那里的K和V氨基酸都被P或脯氨酸所取代。对于‘K’，这须要改变三次（‘！！’），而对于‘V’，这只须要改变两次（‘！！’）。

　　事实证实，这两个变化极大地提升了疫苗的效率。

　　那么这里发生了什么？若是你看一个真正的冠状病毒粒子，你能够看到刺突蛋白：

　　这些刺钉被安装在病毒体内 （‘核衣壳蛋白’）。但问题是，咱们的疫苗只会产生刺突，咱们不会把它们植入任何一种病毒体内。

　　结果是，未经修饰的，独立的刺突蛋白崩溃成不一样的结构。若是做为疫苗注射，这确实会使咱们的身体产生免疫力。但只针对崩溃的刺突蛋白。

　　真正的冠状病毒是带着尖刺的。在这种状况下，疫苗不会颇有效。

　　那么该怎么办呢？

　　2017年，有人描述了如何在正确的位置放置一个双脯氨酸替代，将使SARS-CoV-1和MERS S蛋白造成‘预融合’结构，即便不是整个病毒的一部分。这是由于脯氨酸是一种很是坚硬的氨基酸。它就像一种夹板，在咱们须要向免疫系统展现的状态下稳定蛋白质。

　　蛋白质的末端，下一步

　　若是咱们浏览其他的源代码，咱们会在刺突蛋白的末端遇到一些小的修改：

　　在蛋白质的末端，咱们会发现一个‘中止’密码子，在这里用小写的‘s’表示。这是一种礼貌的说法，表示蛋白质应该到此为止。最初的病毒使用UAA终止密码子，疫苗使用两个UGA终止密码子，也许只是为了更好的措施。

　　3 ‘UTR

　　就像核糖体在5 ‘端须要引入，咱们发现了’ 5UTR，在蛋白质的末端咱们发现了一个相似的结构，称为3 ‘ UTR。

　　关于3 ‘ UTR有不少说法，但这里引用维基百科的说法：‘3 ’ UTR在基因表达中起着相当重要的做用，它影响mRNA的定位、稳定性、输出和翻译效率。尽管咱们目前对3 ‘ -UTRs有了解，但它们仍然是相对神秘的。’

　　咱们所知道的是，某些3 ‘ UTR在促进蛋白质表达方面很是成功。根据世卫组织的文件，辉瑞疫苗3 ’ UTR是从‘split （AES） mRNA的氨基末端加强子和编码12S核糖体RNA的线粒体中提取的，以保证RNA的稳定性和高总蛋白表达’。

　　The AAAAAAAAAAAAAAAAAAAAAA end of it all

　　mRNA的最末端是聚腺苷化的。这是一种以‘AAAAAAAAAAAAAAAAAAAAAA’的奇特结尾。

　　彷佛，就连mRNA彷佛也受够了这个糟糕的2020年！

　　mRNA能够重复使用不少次，但在这个过程当中，它也会在末端失去一些A。一旦A耗尽，mRNA就再也不起做用而被丢弃。这样，‘多聚腺苷酸尾（Poly-A Tail）’就能够防止其退化。

　　有研究代表，对于mRNA疫苗来讲，A的最佳数量是多少。我在公开文献中读到，这个数字在120左右达到了顶峰。

　　BNT162b2疫苗的是：

　　这是30个A，而后是‘10个核苷酸链接体’（GCAUAUGACU），再后面是70个A。

　　太长不看版

　　若是上面的一切让你感到云里雾里，做者在这里为您准备了一份‘太长不看版’：

• 帽子来确保RNA看起来像普通的mRNA

• 已知的成功和优化的5 ‘ UTR

• 密码子优化信号肽，将刺突蛋白送到正确的位置（100%从原始病毒复制）

• 原始刺的密码子优化版本，有两个‘脯氨酸’替代，以确保蛋白质以正确的形式出现

• 一个已知的成功和优化的3 ‘ UTR

• 一个有点神秘的多聚腺苷酸尾（Poly-A Tail），里面有一个没法解释的‘链接器’

• 密码子优化在mRNA上增长了大量的G和C。与此同时，用ψ（1-甲基-3 ‘ -伪尿酰ψ）而不是U来帮助逃避咱们的免疫系统，所以mRNA会停留足够长的时间，因此咱们实际上能够帮助训练免疫系统。

　　文章在reddit上引发了普遍讨论，学科间的边界彷佛也愈来愈模糊。

　　一位网友看完后直言：我经过稍微修饰U核苷酸，可使RNA越过咱们的‘安全系统’。咱们的安全系真的糟透了！

　　你呢？你怎么看？