评估密码子语言模型在核酸药物情境感知密码子优化中的应用

摘要

密码子优化通过同义序列变化提高核酸药物的表达和治疗性能。掩码语言模型（MLM）被提议作为传统频率法的替代方案，但其优势尚不明确。我们基准测试了CaLM、EnCodon和CodonTransformer三个MLM，涵盖反向翻译保真度、序列生成和九个分子表型预测任务，并利用SEAP报告基因进行实验评估。模型间差异显著，但无单一模型全面占优，简单序列特征在若干场景仍有竞争力。可解释性分析显示模型整合大范围密码子上下文，体外实验表明MLM设计的变异体在瞬时和稳定表达中均优于常规及商业序列，支持其捕捉翻译上下文的能力，建议多模型采样以提升疗效序列筛选成功率。