2026年7月16日，诺贝尔化学奖得主 Jennifer Doudna 团队在顶级学术期刊 Science 上发表论文《Structure and evolution-guided design of minimal RNA-guided nucleases》，以天然的微型核酸酶 TnpB 为原型，将结构指导的 AI 设计与天然序列中的进化信息结合，创造出一组自然界中不存在的核酸酶 SynTnpBs，具备体内基因编辑的潜力。

原文链接：https://www.science.org/doi/10.1126/science.aed6123

       用人工智能改造基因编辑器已经不是新鲜事。近年来，研究人员利用 AI 大模型和蛋白设计，已经改造获得了多种新型基因编辑工具酶。那么，Doudna 团队这项工作为什么仍然值得关注？

1 为什么基因编辑器需要"减肥"？

       提到基因编辑，很多人首先想到的是 CRISPR/Cas9 系统。它像一把由 RNA 导航的分子剪刀：向导 RNA 寻找目标序列，Cas 蛋白负责切开 DNA。然而，一个现实问题始终困扰着研究者——这把剪刀有些太大了。

       常规的 SpCas9 蛋白含有 1368 个氨基酸，对应 DNA 编码序列长度已经达到 4.1 kb。如果再融合一些其他元件变成碱基编辑器，编码序列将轻松超过 5 kb。但是，常用于递送这套工具的腺相关病毒载体（AAV）的有效装载容量只有 4.7 kb。很多情况下，研究人员不得不把基因编辑系统拆分到两个载体中，增加了递送难度。

       将基于 Cas9 的基因编辑系统拆分装载之后，AAV 的剂量也同步增加，随之带来的肝肾毒性等副作用绝不可小觑。国内某高校仇姓研究员对 6 岁儿童进行基因编辑治疗，导致患儿不幸去世，其直接原因很可能就是大剂量 AAV 载体引起的严重副作用。

       而 TnpB 是由一类由转座子编码的核酸酶，最大的特点就在于"小"。本研究采用的 ISDra2 TnpB 只有约 400 个氨基酸组成，大小仅为 SpCas9 的 1/3 不到。尽管体积紧凑，TnpB 仍能与引导 RNA（reRNA）组成复合物，识别并切割特定位置的 DNA。但是，天然 TnpB 的活性、靶点范围和细胞适应性还不够理想。

2 过去很多 AI 设计，仍然站在天然蛋白附近

       已有不少工作利用 AI 模型生成新的核酸酶。不过，大多数模型生成的蛋白虽然整体序列有所变化，但其中负责识别 DNA 的关键结构域，与天然蛋白仍保持超过 99% 的序列一致性。这类工作就更像是在天然工具周围寻找新版本：结果可能有用，但关键部件仍大量采用自然界已经验证过的答案。

       而 Doudna 这篇论文选择了一条更激进的路线。研究人员使用 ESM-IF1 逆向折叠模型，先提供 TnpB 的三维骨架，再让模型寻找能够折叠成这一结构的全新氨基酸序列。初步生成的新序列与天然 ISDra2 TnpB 只有约 50%~60% 的一致性，已经明显偏离了天然序列，不再是在天然蛋白上更换少量几个零件。

       但"长得像"，并不等于"会工作"。TnpB 工作时，是一台在多个构象之间来回转换的分子机器。某条 AI 序列即使能折叠成正确形状，也可能无法识别核酸，或者卡在切割前的某一步。

       初始设计就暴露了这个问题：设计出的序列保留了整体折叠构象和催化三联体，却也改动了部分核酸序列识别和结合的关键残基。

3 让 AI 负责探索，让进化标出"承重墙"

研究团队因此给 AI 加入两类进化约束（图1）。

第一类约束：位置保守性

在大量天然 TnpB 中长期不变的氨基酸，往往承担关键的催化或结构功能。

第二类约束：蛋白质与 RNA、DNA 的共进化关系

如果核酸中的某个碱基发生变化，蛋白质中的某个氨基酸残基也经常随之改变，那么两者可能存在重要接触。

研究人员固定这些关键位点，把其余区域交给 ESM-IF1 重新设计。结构模型像一名富有想象力的设计师，进化信息则像总工程师，告诉它哪些部件可以改，哪些承重结构不能拆。

图 1　总体设计策略（来自原文 Figure 1）

4 从 1,980 种设计中筛出真正能工作的核酸酶

       研究人员进一步将 TnpB 分成两个模块：主要参与 DNA 识别的 REC，以及主要负责 reRNA 结合和 DNA 切割的 NUC。

       实验发现，两部分对改造的耐受度截然不同。只使用单一进化约束时，16 个 NUC 设计中有 13 个保留活性，REC 叶却只有 1 个能工作。这提示多结构域蛋白不能用同一种强度"一刀切"地设计。

       团队随后同时采用保守性和共进化信息，将 44 种 REC 与 45 种 NUC 两两组合，共测试 1,980 种组合。

       最终，从 1980 种构建中筛选到约 24% 有活性，约 8% 的活性超过天然 TnpB。团队进一步选出 9 个兼顾活性与序列差异的候选，命名为 SynTnpB-v1 至 v9，继续在人和植物细胞中验证（图2）。

关键提醒

这个结果也说明，AI 并没有实现"生成即成功"。它提高的是探索遥远序列空间的效率，真正的功能仍要通过大规模实验筛选。

图 2　AI 设计 TnpB 突变体：通过 REC/NUC 结构拆分组合、高通量筛选及测序分析，鉴定高活性 TnpB 突变体。（来自原文 Figure 2）

5 活性更高，不代表一定更精准

       在人胚肾 HEK293T 细胞的蓝色荧光蛋白 BFP 敲除实验中，天然 TnpB 的平均编辑率为 28%，设计出的 SynTnpB-v1 和 v5 分别达到 46% 和 50%。

       在人内源 EMX1 基因上，天然 TnpB 的编辑率为 7%，v1 和 v5 分别达到 26% 和 21%，约为天然版本的 3.8 倍 和 3.1 倍。同时，人工蛋白还在拟南芥原生质体中表现出优于天然蛋白的编辑活性，说明其功能能够跨越细菌、植物和哺乳动物细胞环境。

6 冷冻电镜捕捉到一帧"工作中间态"

       SynTnpB-v7 与天然 TnpB 的序列一致性只有 77%，它为何还能工作？

       研究人员使用冷冻电镜，获得了两个高分辨率的 SynTnpB-v7 与 reRNA、靶 DNA 形成的复合物三维结构。其中尤为引人注意的是，获得了此前 TnpB 研究从未解析到的构象中间体（图3）。在这个状态下，蛋白已经抓住靶 DNA，但向导 RNA 与 DNA 只形成种子区的第一个碱基对，就像高速摄影捕捉到分子剪刀启动的一瞬间。

       结构显示，AI 设计的氨基酸在 reRNA、DNA 种子区和 RNA-DNA 杂交链周围形成了新的静电作用与氢键网络。当研究人员把部分人工氨基酸改回天然版本后，核酸酶活性随之下降，进一步说明这些新设计的氨基酸确实参与了分子机器的工作。

图 3　AI 设计的 SynTnpB-v7 突变体与核酸复合体冷冻电镜结构（来自原文 Figure 4）。

       上图为 TAM 结合构象中间体，下图为 RNA-DNA 杂交链已经充分形成的 R-loop 形成态。

7 为什么它值得发表在 Science？

这项研究的价值可以归纳为三点。

       但这并不削弱其方法学意义。它证明，即使是依赖复杂构象运动的核酸酶，也有可能在离开天然序列邻域后被重新设计。