在基因编辑领域，CRISPR技术因其高效和便捷而成为生物医学研究的核心工具。然而，其潜在的脱靶效应——即错误切割非目标DNA序列——一直是临床应用的重大障碍。近日，来自多家研究机构的团队利用谷歌DeepMind开发的AlphaFold人工智能系统，成功重新设计了一种基因编辑蛋白，使其在保持编辑效率的同时显著降低错误率。相关成果发表于《自然·生物技术》杂志。
脱靶问题的根源
CRISPR-Cas9系统由两个核心组件组成：引导RNA（gRNA）和Cas9核酸酶。gRNA负责引导Cas9定位到目标DNA序列，而Cas9则执行切割。理论上，如果gRNA与DNA完全匹配，Cas9会精准切割；但实际中，Cas9可能容忍部分错配，导致在其他位置产生双链断裂。这种脱靶效应可能引发基因组不稳定，甚至致癌风险。
过去十年，科学家通过优化gRNA设计、开发高保真Cas9变体等方式来减少脱靶，但效果有限。关键难点在于Cas9蛋白的结构极其复杂，其与DNA的相互作用涉及多个结合区域，传统的定向进化方法难以全面筛选。
“AlphaFold让我们第一次能够以原子级精度观察Cas9与DNA的相互作用，并迅速定位那些导致错误切割的关键氨基酸残基。”研究团队负责人、麻省理工学院生物工程系教授张凯表示。
AlphaFold：从预测到设计
AlphaFold是谷歌DeepMind开发的蛋白质结构预测模型，2021年其第二代版本因准确预测数亿种蛋白质结构而轰动学界。在本研究中，团队利用AlphaFold对CRISPR-Cas9的多种变体进行结构模拟，重点关注Cas9的“识别叶”（recognition lobe）和“核酸酶叶”（nuclease lobe）之间的动态构象变化。
通过比较高保真变体与野生型Cas9的结构差异，AlphaFold揭示出三个关键位点——K848、R976和R1066——它们在与错配DNA结合时会发生异常构象变化，从而稳定了非特异性结合。研究者随后通过计算机模拟，设计了这三位点的氨基酸替换（如K848E、R976A、R1066S），并在体外实验中进行验证。
实验结果：安全性和效率的平衡
实验数据显示，经过改造的Cas9变体（命名为“AlphaCas9”）在人类细胞中对多个目标基因的编辑效率与野生型相当，但在非目标位点的切割活性平均降低了89%。更令人惊喜的是，当使用多个gRNA进行多基因编辑时，AlphaCas9的脱靶累积率仅为原来的1/7。
研究还发现，这些突变并未影响Cas9的PAM序列识别能力和切割动力学，表明改造主要作用于DNA结合的特异性层面。团队在后续的小鼠胚胎编辑实验中，也未观察到明显的脱靶现象。
编者按：AI驱动的蛋白质工程新时代
这项研究不仅为基因编辑的安全性提供了切实可行的解决方案，更树立了AI辅助蛋白质工程的里程碑。传统的蛋白质设计依赖X射线晶体学或冷冻电镜结构，耗时数月甚至数年；而AlphaFold将预测周期压缩到几天，且能快速评估成千上万个突变组合的效果。
不过，我们仍需保持谨慎。目前AlphaCas9还仅在有限细胞类型中验证，其长期安全性、免疫原性以及体内递送效率仍需更多研究。此外，AlphaFold本身也存在精度局限，尤其对多域蛋白的构象动态模拟可能不够准确。未来，结合更强大的生成式AI（如进化尺度模型），我们或许能从头设计出更完美的基因编辑工具。
值得注意的是，这项研究的成功也引发了对AI伦理的讨论：如果AI可以轻易设计出更高效的基因编辑蛋白，那么其对人类生殖细胞的编辑风险如何管控？各国监管机构应提前制定相应的技术评估框架。
总之，AlphaFold的这次应用宣告了理性设计取代随机诱变的转折点。基因治疗安全性的提升，将加速其从实验室走向临床的步伐。
本文编译自Ars Technica
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接