如果说蛋白质结构预测是AI在生物领域的“第一枪”，那么基因编辑就是它正在攻克的“第二座堡垒”。 2024年8月，一个名叫KJ Muldoon的美国婴儿出生时患有超罕见的遗传病，他的血液中会积累致命的氨，唯一的希望是等待肝移植。三剂个性化的基因编辑治疗后，KJ迈出了他人生的第一步，在家度过了第一个圣诞节。KJ的故事背后，站着一个看不见的“功臣”，即AI人工智能。当CRISPR-Cas9这把“基因剪刀”已经能精准剪裁DNA时，AI正在做的事情更加宏大，它让为每个人定制基因药物从梦想走向现实，让编辑线粒体DNA这个曾经的不可能成为可能，甚至让科学家能够从头设计自然界不存在的基因编辑器。 本文将探讨AI与基因编辑深度融合的神秘面纱，AI如何变革基因编辑，从“基因剪刀”到“可编程生命工程师”。
一场双向奔赴：AI与基因编辑的“创新循环” 过去十年，CRISPR基因编辑技术的诞生，让科学家首次拥有了重写生命代码的能力。但问题也随之而来： 如何预测某个基因编辑是否会在不该编辑的位置乱剪？（脱靶效应） 如何找到更多、更好的基因编辑工具？（自然界的CRISPR系统有限） 这些问题的答案，藏在海量的生物数据中——而这恰恰是AI的“主场”。 中国农业科学院作物科学研究所的学者们将这种关系概括为AI与基因编辑的互惠创新循环： AI → 基因编辑：AI帮助设计更精准的向导RNA、预测编辑结果、开发新一代编辑系统。 基因编辑 → AI：基因编辑实验产生的扰动数据，反过来训练AI模型，使其预测越来越准。 正如一篇发表在《Nature Reviews Genetics》的综述所述，深度学习正在加速下一代基因编辑工具的发现、工程化和设计，涵盖基于结构的编辑器挖掘、增强特性的工程化改造，以及功能前所未有的编辑器的从头设计。 维度一：AI“挖矿”——发现自然界隐藏的基因编辑神器 传统上，科学家发现新的CRISPR系统，用的是类似BLAST的序列比对工具，就像用关键词搜索在图书馆里找书。但如果一本书的标题被翻译成了完全不同的语言，传统搜索就无能为力了。 深度学习方法正在改变这一点。AI不只看蛋白质的字母序列（氨基酸），还能看它的3D形状。两个序列差异巨大的蛋白质，可能在三维结构上惊人地相似，从而具有相似的功能。AI的结构预测能力（如AlphaFold）正在帮助科学家发现那些“隐姓埋名”的CRISPR系统，大大扩展了基因编辑工具的“武器库”。 维度二：AI“优化”——把现有工具打磨到极致 我们熟悉的CRISPR-Cas9固然强大，但它仍有改进空间，效率不够高、体积太大（难以装入病毒载体用于基因治疗）、可能产生脱靶效应。AI正在用计算机模拟进化取代漫长的实验室定向进化。 传统的蛋白质工程，像是在黑暗中摸索，随机突变、逐个测试，效率极低。而AI通过学习海量的蛋白质序列与功能数据，可以预测改哪一个氨基酸，能带来什么效果。 2025年入选“中国生命科学十大进展”的一项研究，正是这一思路的典范。中国科学院遗传与发育生物学研究所高彩霞团队开发了名为AiCE（AI引导的约束进化）的方法。打个比方： 传统方法：闭着眼睛随机尝试，运气好才能碰到一个有用的突变。 AiCE：给科学家配了超级计算机+透视眼镜，AI预测出哪些“零件”（氨基酸）需要改动、改成什么样能让工具性能提升数倍。 基于这一策略，团队开发了名为PCE的可编程染色体编辑系统，首次实现了对动植物基因组大片段DNA的精准无痕编辑，移动、替换、倒装长达兆碱基级别的DNA片段，且不留“疤痕”。《 Cell 》杂志评价这一成果展示了“深度学习与生物学问题的深度融合”。 维度三：AI“设计”——从无到有创造全新编辑器 这是最令人兴奋的前沿，用生成式AI，设计出自然界根本不存在的基因编辑工具。 2025年11月，北京大学汪阳明团队与西湖大学卢培龙团队在《Nature Structural & Molecular Biology》发表了一项突破性研究，他们利用AI辅助的蛋白从头设计策略，成功开发出高精准的线粒体DNA碱基编辑器（DdCBE–TOD）。 线粒体是人类细胞的“能量工厂”，其DNA突变会导致多种神经肌肉和代谢疾病。但由于线粒体结构特殊，长期以来几乎无法实现精准编辑。而现有编辑器存在严重的“旁观者编辑”问题——就像你想改一个字，结果把旁边几个字也改乱了。 研究团队的解决方案堪称精妙，他们用AI设计的扩散模型，创造了一个全新的导向结构域，这就像一个分子定位器，把编辑器牢牢固定在目标位置，使其只能编辑目标碱基。 实验结果令人振奋，冷冻电镜结构分析和多种细胞实验证明，这个AI设计的编辑器实现了单碱基精度的定点编辑，基本不存在脱靶。研究团队成功用该工具纠正了MERRF综合征（一种线粒体疾病）患者细胞中的致病突变。这充分展示了人工智能辅助蛋白设计与基因编辑技术深度融合的巨大潜力。 维度四：AI助力“个性化”——为每个患者定制基因药物 为他治疗的团队计划2026年在费城启动基因编辑疗法临床试验，让更多患有罕见代谢病的儿童受益。更重要的是，美国监管机构已经对这种定制化、个性化疗法表达了支持态度，并描述了潜在的审批路径。 这背后的逻辑是AI可以快速分析患者特定的基因突变，设计出针对该突变的编辑策略，然后合成相应的“基因药物”。虽然KJ的治疗费用高达约100万美元，但随着技术成熟和规模化，成本有望大幅下降。 正如美国博德研究所教授、著名基因编辑研究者刘如谦在接受《自然》杂志采访时所说：“2025年是基因编辑取得突破之年”。2026年，《福布斯》杂志预测 “基因编辑与人工智能的交叉，将催生出针对癌症及多种遗传性疾病的有效新疗法。未来一年，我们可能开始看到临床应用的涌现，标志着个性化精准医学新时代的开端。” 农业领域的应用：从“靠天育种”到“可预测设计” AI+基因编辑不仅在医学领域大放异彩，在农业育种领域同样掀起革命。 传统的作物育种，就像抽盲盒，杂交、筛选、再杂交，一个优良品种的培育往往需要10年以上。而基因编辑+AI的组合，正在将育种从经验优化推向可预测设计。 AI设计编辑策略：预测哪个基因的编辑能带来抗病、高产或耐逆性状。 基因编辑精准实现：在几天内完成过去需要数年杂交才能实现的基因改良。 AI验证与迭代：从编辑后的作物数据中学习，不断优化模型。 例如，高彩霞团队利用PCE技术成功在水稻中创制了含315kb精准倒位的种质，让水稻一次操作就获得抗除草剂特性。以往通过传统育种获得类似性状需要十几年。 AI与基因编辑的协同，使复杂农艺性状的工程化成为可能——性状叠加、代谢通路重编程、气候适应性、营养强化……这些曾经遥不可及的目标，正在变成实验室里的日常。 展望：从“修修补补”到“重写生命” 回顾AI与基因编辑的融合发展，我们可以看到一个清晰的演进路径： 优化阶段：AI把现有工具打磨得更精、更强、更安全。 学术界已经在展望更激动人心的未来，AI驱动的虚拟细胞模型，一个能够在计算机中模拟整个细胞行为的数字孪生体。到那时，编辑一个基因会对细胞产生什么影响，不需要在实验室里慢慢试，而是可以直接在AI模型中预演。 我们正在见证的，不仅是工具的迭代，更是生物学从发现科学向工程科学的范式转变。过去，我们只能“阅读”和“修改”生命代码；未来，我们将能够像编程软件一样“编写”生命。而KJ Muldoon迈出的那一步，正是人类迈向这个未来的第一个脚印。 1. 礼来与Profluent合作新闻，药时代，2026年4月 2. 汪阳明/卢培龙团队线粒体碱基编辑器研究，北京大学官网，2025年11月 3. MIT Technology Review 2026年十大突破技术，2026年1月 4. 高彩霞团队AiCE/PCE技术，科普中国，2025年12月 5. 新华网2026年全球科技展望，2026年1月 6. Trends in Biotechnology综述：AI sheds new light on genome editing，2026年3月 7. Molecular Plant前瞻：Synergizing genome editing and AI for predictive crop design，2026年4月 9. Nature Reviews Genetics综述：Harnessing AI to advance CRISPR-based technologies，2026年3月 如果觉得内容实用，欢迎点赞、收藏、转发给身边有需要的小伙伴，后续还会分享更多测序、科研干货，记得关注哦～
夜雨聆风
