諾獎得主用AI憑空造出基因剪刀，比進化幾十億年的那把還準

2020年諾貝爾化學獎得主Jennifer Doudna率領團隊，成功利用人工智慧設計出一種自然界從未存在過的基因編輯酶。這把全新的「分子剪刀」不僅能在活細胞中精準切割DNA，而且在特定實驗指標上，表現甚至超越經過數十億年演化打磨的天然CRISPR酶。相關成果同步發表於頂尖期刊《Nature》與《Science》。 CRISPR基因編輯技術的核心，其實不是人類的發明，而是從細菌身上借來的免疫武器。Cas9、Cas12等核酸酶原本是細菌抵抗病毒的防線，科學家將這套系統改造成能在30億個鹼基中精準鎖定位置的基因剪刀。Doudna與Emmanuelle Charpentier因「發現」這套機制而獲諾獎，但人類始終難以「設計」出更理想的工具。天然Cas9蛋白大多超過一千個胺基酸，理論上的序列組合是20的1000次方，比可觀測宇宙的原子總數還大上好幾個量級；在如此浩瀚的空間中，能保持功能的變異少之又少，過去科學家只能對天然蛋白進行極小幅度的修改，改動幅度約為1%到2%，再多一點就會失效。 Doudna團隊這次沒有直接挑戰Cas9，而是選擇一類稱為TnpB的微型核酸酶。TnpB個頭更小，進化上是Cas12的祖先。團隊想知道，一條TnpB序列到底能被改到什麼程度，還能保有編輯基因的能力。研究流程分為兩步：先餵給AI模型蛋白質的目標立體結構，讓模型反推氨基酸序列如何調整才能摺疊成該形狀；模型吐出數千種改法。第二步再訓練另一個模型，灌入實驗室累積的大量數據，分析蛋白各個元件之間的精密關係，找出哪些部位一動就會失去功能。兩個模型組合篩選出少量合成核酸酶。 測試結果顯示，這些AI設計的核酸酶不僅在細菌中能用，在植物和人類細胞中也都能正常編輯基因。部分合成版本的插入或刪除片段效率，甚至高於自然界現存的版本。而這些合成版的序列，大約有30%與天然版本不同，遠超過去同類AI工作僅改動1%到2%的幅度。Doudna直言這個結果「相當令人興奮」。 另一條平行的路徑來自新創公司Profluent。他們不改造TnpB，而是直接生成全新的Cas9。團隊系統挖掘26TB的基因組與宏基因組資料，建立510萬個CRISPR-Cas蛋白的資料庫，再用蛋白語言模型生成新序列，生成的序列多樣性達到自然界已知水平的4.8倍。從中選出48條送入人類細胞進行功能驗證，表現最好的那一條命名為OpenCRISPR-1，並且開源釋出。 OpenCRISPR-1的成績單相當亮眼：靶向編輯效率55.7%，對照組最主流的SpCas9為48.3%；脫靶編輯率僅0.32%，SpCas9則高達6.1%，降幅約95%。這條序列與SpCas9相差403個突變，與資料庫中任何天然CRISPR蛋白至少也有182個突變。換句話說，Profluent完全是照著「基因剪刀」這個概念，重新造了一把地球上原本不存在的工具。 把兩條研究線放在一起看，真正的變化不在於效能提升了多少，而在於研究範式的轉變。AlphaFold解決的是「看懂」序列如何摺疊；蛋白語言模型進一步學會什麼樣的序列才是「活的」；如今進入第三級——直接生成一段自然界從未寫過的序列，並且讓它在活細胞裡順利工作。這就像訓練大型語言模型學習語言一樣：餵入足夠多的序列，讓模型學出內部的語法，然後開始生成語料庫中沒有的句子。 回顧過去，許多重要的生物工具幾乎都是靠運氣發現的：胰島素來自狗的胰腺，Cas9來自一家酸奶廠的細菌，肉毒桿菌毒素來自食物中毒事件。這些工具沒有一個是人類設計出來的。現在多了另一條路：從想要的功能出發，反過來把分子設計出來。進化在浩瀚的序列空間摸索數十億年，AI模型跑一遍只需要幾個小時。 不過，目前這些成果還停留在細胞實驗階段，距離臨床應用仍需經過動物實驗、人體試驗與藥品審查，每一關都可能耗時數年。Doudna也強調，這項工作展示的是AI與生物學的未來形態：AI工具能幫助科學家跑得更快，但要將模型的價值發揮到最大，仍然需要真正懂分子機制的專家。AI能夠運作如此順利，靠的正是過去幾十年實驗室一點一滴累積的數據；數據一旦中斷，模型也會停滯。 從「發現自然」到「創造自然」，AI正在改寫基因編輯工具的設計規則。這把在實驗室中被設計出來、沒有自然界親戚的基因剪刀，是否能在不遠的將來攻克癌症或延緩衰老，現在還無法斷言。但可以確定的是，人類在蛋白設計空間中的探索，已經翻開全新的一頁。