赋能精准基因编辑：我国科学家利用 AlphaFold3 推出 AI 框架 ContactSeek

type

status

date

slug

summary

核心技术与事实梳理

北京大学生命科学学院伊成器课题组与华东师范大学生命科学学院李大力课题组紧密合作，于国际顶级学术期刊《自然》（Nature）上发表了最新研究成果。该研究团队巧妙地利用了由谷歌 DeepMind 推出的 AlphaFold3 模型，开发出全新的 AI 驱动框架——ContactSeek。

AlphaFold3 因其卓越的蛋白质及多分子复合物结构预测能力而闻名。然而，研究团队在实验中发现，虽然 AlphaFold3 生成的部分三维结构预测结果未能直接反映出因单碱基错配而引发的微小构象变化，但其输出的“接触概率”（Contact Probability, CP）却能极其灵敏地捕捉到这种差异。CP 值用于衡量氨基酸或核苷酸残基之间处于邻近位置的可能性。基于这一发现，ContactSeek 框架将 AlphaFold3 预测的 CP 值与高通量测序获得的脱靶编辑数据进行了深度整合，成功解析了靶向复合物与脱靶复合物之间的相互作用差异。

行业影响与应用前景

在 CRISPR 及其衍生的碱基编辑器的实际应用中，如何“在保持高靶向编辑活性的同时最大限度降低脱靶活性”一直是学术界和医学界亟待解决的核心痛点。脱靶效应可能导致未知的基因突变，从而带来严重的安全性隐患。

ContactSeek 框架的问世，为这一技术瓶颈提供了高度创新的解决范式。通过该框架，研究人员能够系统性地识别出 Cas 蛋白和脱氨酶中决定编辑特异性的关键氨基酸位点。基于这些 AI 提供的精准线索，团队成功鉴定并工程化改造出一系列全新的 Cas9 变体。测试表明，这些经过改造的腺嘌呤碱基编辑器（ABE）在维持极高目标位点编辑效率的同时，显著降低了 DNA 脱靶编辑。这不仅大幅提升了基础生命科学研究的工具精度，更使得未来的基因治疗药物在临床应用中具备了更高的安全性壁垒。

潜在风险与技术局限

尽管基于 AI 的 ContactSeek 框架在提升基因编辑特异性方面展现出了巨大的潜力，但我们在拥抱新技术的过程中仍需客观审视其现阶段的局限性。首先，AlphaFold3 提供的接触概率本质上仍是基于深度学习算法的计算预测，它极大缩短了筛选时间，但绝不能完全替代真实生理环境下的生物学实验验证。复杂的细胞内环境与纯计算模型之间仍存在信息差。

其次，基因编辑的脱靶机制极其复杂，涵盖了染色质可及性、表观遗传修饰等多种动态因素，单一基于接触概率的预测模型可能无法覆盖所有类型的脱靶风险。此外，工程化改造后的 Cas 蛋白在不同活体细胞系中的长期稳定性、潜在的免疫原性以及在体内的递送效率，仍需经过漫长且严苛的临床前安全性评估。

结语

我国科学家利用 AlphaFold3 接触概率构建的 ContactSeek 框架，是人工智能赋能生命科学的一次极具里程碑意义的实践，为精准基因编辑技术的迭代指明了新的发展方向。随着 AI 算法与前沿生物技术的持续深度融合，我们有理由相信，未来必将涌现出更多兼顾极高效率与绝对安全的基因编辑工具，最终为人类攻克遗传性疾病带来曙光。欢迎持续关注 aigc.bar，获取更多前沿 AI 工具与跨界应用的最新资讯。