aigcbar - null

AI凭空设计基因剪刀：诺奖得主用人工智能重写生命密码

type
status
date
slug
summary
tags
category
icon
password
网址
在科技与医学的交汇处，一场由人工智能引发的生命科学革命正在悄然发生。近日，学术界和产业界接连迎来重磅突破：科学家们利用AI凭空设计出了自然界中从未存在过的CRISPR基因剪刀，其精准度和编辑效率甚至超越了自然界进化了数十亿年的“天然版本”。
这一里程碑式的成果不仅标志着基因编辑技术进入了定制化时代，也展示了大模型在非文本领域的恐怖潜力。想要获取更多前沿的AI资讯和AI新闻，欢迎访问AI门户。本文将为您深入解读这一技术突破背后的逻辑及其对人类未来的深远影响。

突破传统进化：AI如何颠覆基因编辑的“游戏规则”

传统的基因编辑工具，如著名的Cas9和Cas12，并非人类发明，而是科学家从细菌身上“借”来的免疫武器。2020年，Jennifer Doudna和Emmanuelle Charpentier正是因为“发现”了这一机制而荣获诺贝尔化学奖。
然而，“借来的工具”总有诸多不便。天然的Cas9蛋白尺寸过大、容易脱靶，且可能引起人体的免疫反应。科学家们曾尝试对这些蛋白进行人工改良，但很快遇到了瓶颈。一个标准的Cas9蛋白由1000多个氨基酸组成，其潜在的序列组合空间高达20的1000次方——这个数字甚至超越了可观测宇宙中的原子总数。
在如此浩瀚的可能性中，人类通过传统实验进行筛选，如同大海捞针。只要改动稍微大一点（超过1%到2%），蛋白质就会失去活性。而今天，人工智能和LLM（大语言模型）的引入，彻底改变了游戏规则。

改变30%依然存活：Doudna团队的TnpB微型核酸酶

诺奖得主Jennifer Doudna团队在Science上发表的最新研究中，将目光投向了TnpB——一类个头更小、被视为Cas12祖先的微型核酸酶。他们希望通过AI探索：在保持基因编辑能力的前提下，这条序列最多能被修改到什么程度？
为了解决这个问题，研究团队采用了双模型组合的策略：
  1. 结构预测与逆向设计：首先利用AI模型预测目标蛋白的折叠结构，然后反向生成能够折叠成该形状的全新氨基酸序列。
  1. 活性筛选与功能约束：将实验室积累的海量实验数据喂给第二个模型，让其识别出哪些关键片段是“不可触碰”的活性中心。
通过这种方式，AI模型生成了数千种全新序列。实验结果令人震惊：这些AI设计的合成酶在细菌、植物和人类细胞中均成功实现了基因编辑，其中部分版本的编辑效率甚至高于天然版本。最关键的是，这些合成酶的氨基酸序列与天然版本的差异高达30%。在AI的辅助下，人类成功跨越了进化的鸿沟。

95%脱靶率降幅：Profluent的OpenCRISPR-1开源奇迹

与Doudna团队的学术研究交相辉映，蛋白设计创业公司Profluent则走通了另一条商业与开源并行的道路。他们直接利用蛋白语言模型，生成了全新的Cas9蛋白。
Profluent系统挖掘了26TB的基因组数据，构建了一个包含510万个CRISPR-Cas蛋白的庞大数据库。基于这一数据库训练的AI模型，生成了多样性达到自然界已知水平4.8倍的新序列。
他们从中筛选出最优秀的序列，命名为OpenCRISPR-1并向全球开源。数据显示，OpenCRISPR-1的性能表现堪称惊艳：
  • 靶向编辑效率：达到55.7%，超越了目前最主流天然版本SpCas9的48.3%。
  • 脱靶编辑率：仅为0.32%，相比SpCas9的6.1%降低了约95%。
  • 序列独特性：该序列与SpCas9存在403个突变，与数据库中任何已知天然蛋白也至少有182个突变。
这不再是对天然工具的修修补补，而是利用人工智能的“造物能力”，凭空创造出了一把更安全、更精准的“基因剪刀”。

从“发现自然”到“创造自然”：AI与生物学的未来形态

从AlphaFold看懂“蛋白质长什么样”，到如今的蛋白语言模型“写出活的蛋白质”，我们正在见证从“发现自然”向“创造自然”的范式转移。
这种生成式AI的设计逻辑，与chatGPT或claude生成文本的逻辑如出一辙。通过学习海量的生物序列数据，AI掌握了蛋白质折叠的“语法”，从而能够自由撰写出自然界从未存在过、但符合生命运行逻辑的“新句子”。
在过去，人类获取药用蛋白或生物工具主要靠“撞运气”（如从狗身上提取胰岛素，从酸奶细菌中发现Cas9）。而现在，我们可以从需求出发，直接通过提示词或功能定义，让AI反向设计出所需的分子。
尽管这些AI设计的基因剪刀目前还处于实验室细胞实验阶段，距离临床应用和药物审批还有很长的路要走，但它已经展示了AGI（通用人工智能）在科学发现（AI for Science）领域的无限前景。
正如Jennifer Doudna所言，未来的生物学将是AI与实验科学的深度结合。我们需要AI工具帮我们跑得更快，但也需要懂分子机制的科学家来榨取模型的最大价值。在这个过程中，如何将AI技术转化为商业价值，也将成为AI变现的新赛道。
如果您对人工智能在医疗、生物科技等领域的最新应用感兴趣，欢迎持续关注AIGC.bar的AI日报，获取最前沿的Prompt技巧与行业动态。
Loading...

没有找到文章