Nature | AI生成了首个基因编辑器——和SpCas9差400个氨基酸,但更好用

基因编辑器的开发一直受限于自然界提供的素材——要么从微生物里挖新的Cas9同源物，要么对SpCas9做点突变改造。2025年7月，Profluent公司在《Nature》上发表了一篇很有意思的工作。他们用蛋白质语言模型，基于从26.2 TB基因组和宏基因组数据中挖掘出的CRISPR-Cas序列，直接生成了数百万个全新的Cas9-like蛋白，其中一部分在人类细胞里确实能干活。做得最好的那个，命名为OpenCRISPR-1，与SpCas9有403个氨基酸差异，但编辑效率相当、脱靶明显更低，免疫原性也更低。

研究流程：挖掘26.2 TB序列→构建CRISPR-Cas Atlas（124万个操纵子）→在数据上微调ProGen2语言模型→生成400万CRISPR-Cas蛋白+100万Cas9-like蛋白→序列过滤→AlphaFold2结构验证→挑选209个→HEK293T中测试编辑活性→选出48个进一步表征→确定OpenCRISPR-1→深度测试（PAM兼容性、脱靶、碱基编辑、免疫原性、定制sgRNA）

一、突破点在哪？

传统的Cas9工程要么靠定向进化，要么靠结构指导的理性设计——都依赖对蛋白功能的明确假设。语言模型完全不用结构信息，只从序列里学“什么样的序列能干活”。这篇文章证明，这种方法生成出来的蛋白不仅能折叠、能切割DNA，而且在人类细胞里的表现甚至比天然蛋白更好。关键是，这些蛋白与任何已知自然序列都有几百个氨基酸的差距——相当于跳出了进化给出的所有选项，在没被探索过的序列空间里找到了更好的解。

二、怎么设计的？

第一步：建一个够大的训练集。团队从26.2 TB的基因组和宏基因组组装数据中挖出了124万个CRISPR操纵子，涵盖389,000多个Type II、V、VI单效应器系统。跟UniProt比，他们的CRISPR-Cas Atlas在Cas9家族上多了4.1倍、Cas12a多了6.7倍、Cas13多了7.1倍的蛋白簇。

第二步：训练模型生成序列。用ProGen2在CRISPR-Cas Atlas上微调，生成400万条序列（覆盖45个家族），再用Cas9-only数据微调生成100万条Cas9-like序列。生成出来的序列在家族层面簇数扩大了4.8倍——Cas13扩大8.4倍、Cas12a扩大6.2倍。这还只是保守估计。

第三步：筛出能用的。先做AlphaFold2结构预测，81.65%的生成蛋白平均pLDDT>80。对Cas9那批，98.9%的结构预测显示包含核心结构域（HNH 100%、RuvC 52.1%、PID 92.9%、REC 99.9%）。然后从这批里挑了209个最有可能与SpCas9的sgRNA兼容的，送进HEK293T测编辑活性。

第四步：锁定OpenCRISPR-1。209个里面有131个有可检测的编辑活性，挑了48个进一步测5个位点和15个脱靶位点，表现最好的是PF-CAS-182，命名为OpenCRISPR-1。它与SpCas9差403个突变，与最近的天然蛋白（Streptococcus cristatus Cas9）差182个突变。AlphaFold2显示大部分突变在溶剂暴露表面，催化界面和核酸接触残基基本保留。

数据说明了什么？语言模型的设计成功率（131/209有活性）远高于结构方法（LigandMPNN 0/5有活性）和进化方法（arDCA基本全灭）。说明对于复杂功能的蛋白，序列层面的统计学习比结构约束更有效。

三、验证结果

功能层面：OpenCRISPR-1在92个NGG靶点上编辑效率与SpCas9相当，在43个非NGG靶点上活性显著低于SpCas9（p=0.0005）——意味着PAM特异性可能更强。

脱靶层面：SITE-Seq全基因组脱靶分析，5条gRNA、4个RNP浓度下，OpenCRISPR-1的on-target占比始终高于SpCas9，脱靶位点是SpCas9的子集，没有产生新的切割模式。之前的高保真Cas9变体（eSpCas9、SpCas9-HF1等）没有哪个跟OpenCRISPR-1共享突变，说明它用了一套全新的分子机制来实现低脱靶。

碱基编辑：把OpenCRISPR-1换成nickase（D10A）接上ABE8.20，在3个位点上A-to-G编辑效率35-60%，跟SpCas9版本差不多，indel也没有明显增加。

免疫原性：40份健康人血清的iELISA显示，OpenCRISPR-1和另外两个生成蛋白的抗体结合量在多个稀释度下显著低于SpCas9，提示可能免疫原性更低。

sgRNA兼容性：他们用自己训练的条件生成模型给OpenCRISPR-1定制了sgRNA，31条定制gRNA的编辑效率超过SpCas9的gRNA。

四、价值在哪？

核心贡献是验证了一个新的蛋白设计范式：不需要结构、不需要定向进化的筛选系统，直接用语言模型生成全新功能蛋白。这套方法适用于任何有足够序列数据的蛋白家族，而且生成速度极快（用普通GPU几天就能生成百万条）。另外，他们公开了OpenCRISPR-1的序列和质粒（Addgene），没有商业化限制——这在基因编辑领域比较少见。

文献来源：Ruffolo J.A., Nayfach S., Gallagher J., et al. Design of highly functional genome editors by modelling CRISPR–Cas sequences. Nature, 2025, 645: 1089–1098.

1.提供CRISPR基因编辑相关产品，Cas9，cas12a、cas13a以及其他分子酶产品。