諾獎團隊最新Science：AI設計“迷你”基因編輯酶，超越自然進化，高效編輯人類基因組

撰文丨王聰

編輯丨王多魚

排版丨水成文

CRISPR-Cas 系統通過實現可編程的、序列特異性的 DNA 和 RNA 靶向，已徹底改變了基因組編輯技術，為精確的遺傳和表觀遺傳調控奠定了基礎。蛋白質設計有望進一步拓展這些功能，創造出具有自然界中未見的功能和特性（包括序列與結構）的RNA 引導的核酸酶。

然而，這類設計極具挑戰性，因為這些核酸酶是多結構域的核酸結合蛋白，其活性依賴于不同構象狀態對 RNA 和 DNA 的協同識別、激活及切割。基于序列的生物語言模型通過進化數據訓練，能夠通過推斷序列與功能之間的關系來生成 RNA 引導的核酸酶，但即使經過大量后續篩選，其所生成的活性核酸酶通常仍與訓練時參考的序列高度相似。

結構指導的理性設計方法則提供了一種穩健策略，可采樣出高度多樣化的蛋白質序列，甚至包括自然界中不存在的結構，從而實現蛋白質的從頭設計。盡管該方法在動態開關和 DNA 結合蛋白的設計上已取得成功，但對于具有多個功能結構域和構象狀態的復雜酶（例如 RNA 引導的核酸酶）的設計，依然是一個極具吸引力卻尚未解決的難題。

2026 年 7 月 15 日，CRISPR 基因編輯先驅、諾獎得主Jennifer Doudna教授在國際頂尖學術期刊Science上發表了題為：Structure and evolution-guided design of minimal RNA-guided nucleases 的研究論文。

該研究采用一種蛋白質設計策略，將結構導向的逆折疊模型與基于進化的氨基酸殘基約束相結合，生成了活性強且序列多樣的TnpB 變體（最小的 CRISPR-Cas12 樣核酸酶），命名為——SynTnpB。通過高通量篩選 AI 生成的變體，獲得了在細菌、植物和人類細胞中保持甚至超過野生型活性的基因編輯工具。對其中序列差異化最大的變體進行冷凍電鏡結構解析，揭示了其在不同構象下 RNA-DNA 界面中的穩定相互作用，證明了該方法的設計潛力。這項研究建立了一種創造非天然 RNA 引導的核酸酶及構象活性核酸結合蛋白的策略，顯著擴展了可設計的蛋白質空間。

“迷你版”基因編輯工具

說到基因編輯，很多人首先想到的通常是被譽為“基因魔剪”的革命性工具——CRISPR-Cas9，但他的缺點也很明顯——Cas9 核酸酶太大了，以至于難以通過腺相關病毒（AAV）進行遞送，這大大限制了其在體內基因治療中的應用。

于是，科學家們把目光投向了TnpB——這是一類小得多的微型核酸酶，只有約 400 個氨基酸，不到 Cas9 一半大小。它是 CRISPR-Cas12 家族的祖先，雖然體型迷你，卻能完成 RNA 引導的 DNA 切割任務。

但問題來了：自然界的野生型 TnpB 雖然能用，但還不好用。

AI 設計：不只是模仿，更是創造

傳統上，想要改進這類蛋白質，科學家通常采用兩種方法——

一種是基于序列的生物語言模型，它們能生成蛋白質序列，但往往只是對天然序列的“微調”，缺乏真正的創新。

另一種是結構指導的理性設計，可以創造出高度新穎的序列，但對于像 TnpB 這樣需要協調多個功能域和構象狀態的復雜酶來說，難度極大。

這次，研究團隊玩了個“組合拳”。他們使用了名為ESM-IF1的反向折疊模型——這是一種 AI 模型，能夠根據給定的蛋白質三維結構，逆向推導出可能折疊成該結構的氨基酸序列。

但光靠結構不夠。研究團隊還引入了進化信息約束：通過分析數千種天然 TnpB 的同源序列，找出哪些位點在進化中高度保守（說明很重要），哪些位點與 RNA 或 DNA 存在共進化關系（說明有相互作用）。他們將這兩類關鍵位點“鎖定”，其余位置則交給 AI 自由發揮。

基于 ESM-IF1 的 RNA 引導的核酸酶 TnpB 設計策略

研究團隊成功設計出了 466 個有活性的 TnpB 變體，成功率高達 24%，其中約 8% 的活性甚至超過了天然版本。

分域設計：分而治之的智慧

該研究中的一個有趣的發現是，TnpB 的不同結構域對序列變化的容忍度截然不同。

研究團隊采用了“分域設計”策略：將 TnpB 分為 REC（識別結構域）和 NUC（核酸酶結構域）兩個獨立模塊，分別由 AI 設計優化后，再進行組合。

結果顯示，NUC 結構域非常“皮實”，即使在高達 0.65 的保守性閾值下，16 個變體中仍有 13 個保持活性。而 REC 結構域則相當“嬌氣”，只有在最低的保守性閾值（0.25）下才有一個變體保持活性。

這種不對稱性反映了不同結構域的功能差異：REC 負責識別 DNA 上的 TAM 序列，需要精確的分子識別；而 NUC 主要負責切割，對序列變化的容忍度更高。

這一發現為未來設計其他多結構域蛋白提供了重要啟示：對不同模塊采取不同的設計策略，可能是成功的關鍵。

在人類細胞中的“超常發揮”

最激動人心的結果來自人體細胞實驗。

研究團隊選擇了 9 個最具代表性的 AI 設計變體——v1-v9，在人類細胞系 HEK293T 中測試它們對藍色熒光蛋白（BFP）基因的敲除效率。

結果顯示，來自耐輻射奇球菌的野生型ISDra2-TnpB 的編輯效率約為28%，而 AI 設計的 v1 和 v5 變體分別達到了 46% 和 50%——提升了近一倍！更令人振奮的是，在對內源性基因（RUNX1、EMX1等）的編輯中，v1 變體在 EMX1 位點的編輯效率是野生型的 3.8 倍，v5 則是 3.1 倍。在擬南芥原生質體中，v1 變體的的編輯效率同樣由于野生型。此外，這些 AI 設計的變體保持了良好的特異性，沒有出現大量脫靶效應。

AI 設計的 TnpB 用于 HEK293T 細胞的基因編輯

這些 AI 設計的“基因剪刀”，在人類細胞以及植物細胞中的某些靶點上的編輯效果，大幅超越了自然進化了億萬年的野生型。

冷凍電鏡下的“解剖學”

為了搞清楚 AI 到底做了什么，研究團隊對活性最高且序列差異最大的 v7 變體進行了冷凍電鏡結構解析。v7 變體與野生型僅有 77% 的序列同源性——也就是說，超過五分之一的氨基酸都被 AI 替換掉了。

冷凍電鏡圖像顯示，在 RNA-蛋白質界面上，AI 引入了多個帶正電荷的氨基酸替換（K224R、Q227R、T228R、K245R），形成了更強的靜電相互作用網絡，像是一雙更有力的手緊緊握住 RNA 分子。

更令人驚訝的是，研究團隊捕獲到了一個此前從未在 TnpB 中觀察到的轉座子相關基序（transposon-associated motif，TAM，相當于 Cas9 的 PAM 序列）結合中間態。在這個狀態下，蛋白質和 RNA 的構象類似于二元復合物，但已經與目標 DNA 有了初步接觸。AI 設計的氨基酸殘基穩定了這個短暫的過渡狀態，使其得以被捕捉和研究。

AI 設計的 v7 變體的冷凍電鏡結構揭示了 RNA-DNA 界面殘基及保守的構象運動

這表明，AI 不僅僅是在復制大自然的設計方案，而是在創造新的、更優的分子相互作用網絡，甚至可能改變了蛋白質的動力學行為。

意義與展望

這項研究的突破性在于——

第一，它證明了 AI 可以設計出真正創新的功能性蛋白質，而不是僅僅停留在對天然序列的微小調整。24% 的成功率在蛋白質設計領域是一個相當亮眼的數字。

第二，它為基因編輯工具的開發開辟了新路徑。TnpB 的小尺寸使其非常適合通過腺相關病毒（AAV）等載體進行體內遞送，而 AI 優化后活性的大幅提升，使其有望成為下一代基因治療的候選工具。

第三，這種方法具有普適性。研究團隊開發的“進化信息掩碼策略”不依賴于已有的實驗結構，只需進化信息即可確定關鍵殘基。這意味著它可以應用于其他類型的 RNA 引導的核酸酶，甚至是其他多結構域蛋白質。

這項研究也完美地詮釋了“站在巨人的肩膀上”，這里的“巨人”，即是億萬年來的自然進化，也是近年來飛速發展的 AI 技術——自然億萬年來進化出來的 TnpB 分子，在 AI 的幫助下，幾天之內就設計出了性能更優的變體。

論文鏈接：

https://www.science.org/doi/10.1126/science.aed6123