通过创建自然界中不存在的基因编辑工具或优化现有工具，人工智能（AI）可以提高基因编辑的准确性、有效性和可及性。本文将探讨几家公司在这一领域的进展，特别是在减少脱靶效应方面的工作。
人工智能赋能基因编辑 减少脱靶现象
Gail Dutton
2025年2月3日
图片来源：Sergey Nivens / AdobeStock
人工智能（AI）以其在药物开发中的深入洞察而闻名，能够识别可能被忽视的模式和分子。现在，它也有望在基因编辑领域做出类似的贡献。一些公司正在利用AI开发更具体且更有效的基因编辑工具。
CRISPR系统如CRISPR-Cas9彻底改变了基因编辑，但基因组重排成为体内治疗的一个现实问题，非特异性编辑也一直是影响后续细胞代的问题。锌指核酸酶（ZFNs）和转录激活因子样效应核酸酶（TALENs）也面临挑战，因此迫切需要改进。
Neoclease的人工智能生成的Cas12与已知的Cas12叠加显示只有40.7%的序列相似性，使通过引入新功能域生成新的知识产权成为可能。[Neoclease]
然而，通过理性设计寻找新的基因编辑器并未产生显著不同于CRISPR-Cas9的结果，Neoclease的首席执行官Chelsea Trengrove博士表示，平台方法的发展往往限制了其有效性和特异性。
AI生成的编辑器
Neoclease的自定义AI模型在计算机中开发特定基因的编辑器。最终，顶级候选者可能会指导人体内的基因编辑，使用CRISPR核酸酶、ZFNs、TALENs和其他基因编辑核酸酶。
“我们使用的是生成式AI模型，”Trengrove说，“这是一个经过数百万已知切割DNA的蛋白质训练的大语言模型。”她的补充道，目标不是创造一个可以做所有事情的工作酶，而是为每个感兴趣的基因优化编辑器。
Trengrove解释说，生成式AI使Neoclease能够创建一个变量的知识网络，了解如何优化编辑器，并利用“幻觉”生成真正新颖的序列。她强调，目标是生成更多“优化并加权到我们希望推动的方向”的编辑器。
“这几乎就像ChatGPT用于蛋白质，”Trengrove说，“虽然有些人将幻觉与错误联系在一起，但我们利用它们作为创新工具来生成新颖且有效的蛋白质设计。”
生成潜在的基因编辑器只是第一步。在生成了数万个可以针对特定特征优化的新序列后——例如某些结合能、极性程度或结构域——这些特征会通过一系列计算检查点进行筛选。这些检查点会识别哪些编辑器最适合基于其特征和功能推进到体外验证。目前，该公司已经从数万个计算机生成的核酸酶中推进了约7,000个。
Trengrove指出，其中一些编辑器的大小约为CRISPR-Cas9系统的一半。其中包括由Neoclease的首席技术官兼联合创始人Jin Liu博士开发的微型核酸酶，她是德克萨斯大学的药学教授。据Trengrove介绍，Liu“已经证明，一些微型编辑器在体外具有相当的切割能量和有效性，并且脱靶效应减少了六倍。”
这些小编辑器可以包装进腺相关病毒或其他载体中，以递送到全身组织。“我们实际上正在研究针对帕金森病的脑部靶向，”Trengrove说。
目前，大多数测试都是在计算机中进行的，只有有限的体外验证。Neoclease计划在2025年中期将这些编辑器引入小鼠和斑马鱼模型，并预计在2026年开始新药临床试验（IND）启用研究。Trengrove还表示，公司正在“与一家制药公司合作，评估数千种核酸酶的体外效果”。
AI CRISPR类似技术
2017年，123Genetix的首席执行官Wayne Danter博士开创了人工人类干细胞和类器官的医学研究。这项工作导致了aiHumanoid模拟用于虚拟药物试验的发展。“为了生产特定类型的细胞，我必须……改变细胞的基因构成，”Danter说，“我通过创建基因的符号表示并对其进行添加或删除来实现这一点。”他开发的AI系统DeepNEU模拟了CRISPR-Cas9酶。
DeepNEU围绕一个智能数据库构建，功能类似于基因编辑器，支持快速原型设计和质量检查。它已经完全开发并作为CRISPR-Cas9基因编辑的补充工具使用。
人工智能赋能的基因编辑优势在于特异性。避免脱靶效应使得虚拟结果与CRISPR-Cas9实验结果比较时，任何差异都可以被识别，或许可以最小化或消除。
DeepNEU利用面向医疗保健的智慧学习过程，而不是基于数据和结果训练算法。正如Danter在最近的bioRxiv预印本（DOI: 10.1101/2022.06.18.496679）中指出的那样，智慧学习“结合了模糊认知图模拟、来自多位专家的数据和通用决策系统”。他还表示，智慧学习过程“还应探索可用的学习算法，包括深度学习方法”。本质上，智慧学习使用基于经验的无监督（未训练）方法。Danter表示，融入智慧学习的AI技术可以更接近人类思维。
DeepNEU应用程序生成了一个“非常大的关系和权重矩阵”，Danter说，“基本的信息包括基因-基因和基因-蛋白质的关系。”123Genetix的基因关系网络大约有6500万个神经元。
Danter的热情是为罕见疾病找到有效治疗方法，他自豪地表示DeepNEU已被用于多个罕见疾病的研究。他指出，罕见疾病组织可以免费访问DeepNEU，并且他目前正在“引入多家对使用该技术感兴趣的制药合作伙伴”。
今年秋天，123Genetix计划发布一个包括Serious Second Look功能的aiHumanoid版本。这个附加功能使AI系统能够在呈现结果前暂停考虑是否准确回答了问题。如果结果不理想，AI会在后续尝试中重新优化。
Danter还在验证一个旨在使用模拟感知能力做出伦理决策的AI系统，特别是遵循希波克拉底誓言中的“首先不伤害”原则。Danter指出，该系统不具备自我意识。
锌指改进
纽约大学兰贡健康学院生物化学和分子药理学助理教授Marcus Noyes博士与其合作者和共同创始人、多伦多大学分子遗传学和计算机科学教授Philip Kim博士，正在开发一种用于ZFNs的AI赋能基因编辑器ZFDesign。该编辑器现已准备好商业化使用。
自2023年发布ZFDesign以来，Noyes和他的团队提高了编辑器的精度。“第一个版本的模型被训练以理解如何设计一组锌指蛋白，但它不知道数千个设计中哪个最具体，”Noyes说，“我们需要教模型哪些目标序列和蛋白质将提供最精确的全基因组活动。”
最新版本的ZFDesign进行了多项改进。“我们增加了更多接口数据以增加兼容性理解，”Noyes详细说明，“我们还筛选了数百个ZFNs的特异性以训练模型。”因此，ZFDesign可以识别最精确的选项，从而减少脱靶效应。“我们还修改了模型，使其连续表达所有ZFNs阵列中的蛋白质，而不是在对之间跳过碱基，”Noyes补充说，“这减少了设计的模块化。”他预计将在2025年发布更新后的模型。
ZFDesign最引人注目的方面是基因编辑器能够理解对ZFN的修改趋势是否可以推广到后续设计：“过去，你可以询问对设计的ZFN阵列的修改如何改变其在靶或脱靶活性，但不清楚这些趋势是否具有普遍性或仅限于特定蛋白质，因为需要设计、验证和测试多个阵列。相比之下，ZFDesign可以简单地设计任意数量的蛋白质用于任意数量的目标序列，使确认普遍性变得微不足道。”
该模型的效果取决于功能和精度要求。对于激活和抑制——他拥有最多数据的领域——Noyes表示，“一般来说，约80%的设计会产生目标基因表达的变化。”
大约30%的设计在瞬时转染测定中表现出五倍以上的激活，超过70%的抑制。高度功能性设计的精度似乎很高。然而，Noyes警告说，“我们只测试了用新模型设计的约20个构建物的脱靶活性。”其中约有一半显示出最小到没有脱靶活性，无需优化。根据Noyes的说法，优化后可以获得更好的结果：“通常，我们可以为任何目标基因开发单靶点分辨率的候选物……如果我们设计10个，我们预计约有8个会起作用，3个非常好，这3个应该具有有限的脱靶活性。”
ZFDesign已在研究界使用。“一位科学家在心肌细胞中尝试了三个激活剂，其中两个效果很好，”Noyes报告说。“另一个小组创建了一套几乎完整的探针，这些探针可以结合每个中心粒，并在活细胞中标记它们。还有一个小组在筛选的12个候选物中找到了四个强效抑制剂。”
“我们发现脱靶活性通常与机制有关。例如，激活、抑制、标记和切割似乎都有不同的最佳亲和力范围。展望未来，我们希望我们的模型足够精确，用户只需测试少数设计，并且任何优化都将是一个简单的亲和力调整以匹配机制。”
其他工具
还有几家公司正在创建支持AI用于基因编辑的工具。去年十月，Shape Therapeutics发布了两篇预印本。一篇详细介绍了如何工程化引导RNA以适应腺相关病毒。另一篇讨论了基于公司DeepREAD技术的Sharpesa系统，允许治疗性引导RNA在细胞内表达。
去年春天，Profluent宣布其开源、基于AI的基因编辑器OpenCRISPR-1成功编辑了人类基因组。该公司报告称，该基因编辑器生成了“数百万种自然界中不存在的CRISPR样蛋白质”。
AI工具帮助科学家进行更精确的基因编辑，降低了多种基因编辑技术的脱靶效应。最终，这可能有助于使基因编辑更加普及。
(全文结束)
