新智元报道
新智元报道
AI造出了一把自然界从未存在的基因剪刀。
而且，比几十亿年进化打磨出来的那把还好使。
7月16日，Nature刊出消息：科学家用AI造出了自然界里从来没有过的CRISPR酶，切基因比「天然版本」更利索。论文同日发表在Science。
带队的人，是2020年因为CRISPR拿下诺贝尔化学奖的Jennifer Doudna。
她曾对Nature这样说：蛋白能改。一旦你动手就会发现，改完它基本上就不工作了。
这个问题卡了人类十几年。
然后AI来了，把蛋白序列改掉三成，酶仍旧能活着。
这还只是其中一条线。
另一条线上，创业公司Profluent绕过TnpB，直接生成了全新的Cas9。
结果同样明显：该剪的地方剪得更利落，不该剪的地方几乎不碰，脱靶编辑率比最主流的SpCas9低了约95%。
几十亿年进化交出的工具，正在被AI在设计空间里重写。
Jennifer Doudna，加州大学伯克利分校生物化学家，2020年诺贝尔化学奖得主，创新基因组研究所创始人。（图源：Jussi Puikkonen／KNAW）
CRISPR不是人类发明的。
Cas9也好，Cas12也好，全是从细菌身上搬下来的现成「零件」。
细菌拿它们抵抗病毒入侵，人类看上了这套机制，把它挪进实验室，配一段导向RNA，就成了能在30亿个碱基里精准找到一个位置下刀的「分子剪刀」。
诺奖发给Doudna和Charpentier，更多奖励的是「发现」，而不是「设计」。
但问题也出在这儿。借来的「零件」，尺寸和脾气都不是按人类需求定制的。想要更小的、更准的、免疫反应更低的、能识别更多靶点的，只能靠人手一点点改。
可这东西改不动。
大多数Cas9蛋白超过1000个氨基酸长，理论上的序列空间是20的1000次方：这个数字比可观测宇宙里的原子总数还大出许多个量级。
在这么大的空间里，能用的方案稀疏得可怜，人类可以探索的范围小得可怜。
所以过去几年，同类的AI辅助工作已经有人做过，但改动幅度普遍只敢在1%到2%。
多改一点，就废了。
Doudna团队这次挑的靶子不是Cas9，是一类叫TnpB的微型核酸酶。
它们个头更小，而且在进化上，是Cas12的老祖宗。
团队想知道的是：这条序列到底能被改到什么程度，还保得住编辑基因的能力。
第一步，交给了一个AI模型。
研究者把某种TnpB的目标结构，也就是这个蛋白折叠完成后该长什么样喂给模型，然后反过来问它：
氨基酸序列要怎么改，才能让蛋白照样折叠成这个形状。
模型吐出了数千种改法。
但这一步只解决了「长得像」。蛋白折对了形状，不代表它是活的。
于是有了第二步：再训练一个模型，把过去实验室里积累的海量实验数据全部喂给它，让它分析出蛋白各个部件之间那些精细的相互关系。
具体来说，就是哪些片段是碰不得的死穴，动一下功能就没了。
Doudna团队的TnpB设计流程。左下为系统发育树，蓝色是自然界现有的TnpB，红色一簇是AI生成的序列，两者几乎不重叠。右下为技术路线：AF2结构加进化约束掩码，喂给ESM-IF1模型生成新序列。（图源：Science 2026，DOI: 10.1126/science.aed6123）
两个模型组合起来，便筛出了一小批合成核酸酶。
拿去做标准测试，结果在细菌里能编辑，在植物里能编辑，在人类细胞里也能编辑。
其中一部分插入或删除目标片段的效率，比自然界现存的版本还高。
Doudna提到这个结果时说：相当令人兴奋。
第一组数字前面已经提到过：合成版本大约30%的序列与天然版本不同，此前同类AI工作的改动幅度是1%到2%。
第二组数字，来自蛋白设计公司Profluent，他们走的是另一条路：不改TnpB，直接生成全新的Cas9。
他们系统挖掘了26TB的基因组和宏基因组数据，攒出510万个CRISPR-Cas蛋白的数据库，再用蛋白语言模型往外生成，生成序列的多样性达到自然界已知水平的4.8倍。
AI生成序列（浅色）相对天然CRISPR蛋白（深色）的多样性扩张，按蛋白簇数量统计。热图显示各蛋白家族在不同CRISPR-Cas系统中的分布。（图源：Profluent）
从里面挑出48条送进人类细胞做功能验证，最好的那一条被命名为OpenCRISPR-1，并且将其开源。
它的成绩单是这样的：
靶向编辑效率55.7%，SpCas9是48.3%。
脱靶编辑率0.32%，SpCas9是6.1%。
后面这一项，降幅约为95%。
而这条序列距离SpCas9有403个突变，距离数据库里任何一个天然CRISPR蛋白也有182个突变。
这是照着「剪刀」这个概念，重新造了一把地球上没有的。
多个AI生成核酸酶（绿色，其中深绿为OpenCRISPR-1）在靶活性与SpCas9（蓝色）相当或更高，脱靶活性则显著更低。（图源：Profluent）
OpenCRISPR-1这组数据出自公司自己公布的研究结果，独立复现还需要更多时间。
Doudna那条线的实验则经过了Science的同行评审。
把这两条线放在一起看，才能看清真正变化的是什么。
AlphaFold解决的是「这段序列长什么样」：预测，看懂。
蛋白语言模型往前推进了一步：什么样的序列才是活的，其中的规律是什么。
现在轮到第三级：造一段自然界从没写过的序列，并且让它在活细胞里干活。
苏黎世大学分子生物学家Soeren Lienkamp认为，CRISPR让所有人都能随心所欲地编辑DNA，而基于AI的蛋白设计，正在让所有人都能在蛋白空间里创造全新的性质。
熟悉大模型的人到这儿会有点似曾相识：这套路子，和文本模型学语言几乎是一回事。
喂足够多的序列，学出内部的语法，然后开始生成语料库里没有的句子。
对照之下，过去那条路有多靠运气就很清楚了。
胰岛素是从狗身上发现的，Cas9是在一家酸奶厂的细菌里找到的，肉毒毒素来自一起食物中毒事件。
这些工具没有一个是设计出来的，几乎全是靠撞运气。现在多了一条路：从想要的功能出发，反过来把分子设计出来。
一个Cas9蛋白通常超过1000个氨基酸，可能的序列组合是20的1000次方，远超可观测宇宙的原子总数。
进化在里面摸索了几十亿年，模型跑一遍只要几个小时。
这才是这件事真正有冲击力的地方。
只不过写代码的AI，写出来的东西跑在电脑里，写坏了删掉重来。写蛋白的AI，写出来的东西跑在活细胞里。它改掉的是一段真实的遗传信息，不是一次可以回滚的运行结果。
这才是它更让人紧张和兴奋的地方。
还不能这样说。
文中提到的这些成果目前都止步于细胞实验，这些验证目前都仍处于实验室阶段。
往后还有动物实验、临床试验、药物审批，每一关都能卡上好几年。
是不是AI碾压了进化？
更恰当的说法是：AI生成的部分蛋白，在特定实验指标上超过了特定的天然版本。
这也不是AI蛋白设计的第一枪。
AlphaFold、RoseTTAFold、蛋白语言模型一路发展到今天已经五六年，OpenCRISPR-1的预印本2024年4月就挂上了bioRxiv。
它的一个重要意义在于，AI设计的蛋白进入了更复杂的生命系统，并且把基因编辑这件事完整跑通了。
斯坦福大学的Le Cong参与开发过最早一批用于基因治疗的CRISPR工具，他和Doudna的判断一致：用天然核酸酶做的基础研究不能停。
AI模型能跑这么快，靠的正是过去几十年实验室一点点堆出来的数据。数据断供，模型也就到头了。
Doudna说，这项工作展示的是AI和生物学的未来形态：我们需要AI工具帮我们跑得更快，但要把这类模型的价值榨到最大，仍然需要真正懂分子机制的人。
参考资料：
编辑：元宇
