AI 成功改寫人類 DNA：全球首個基因編輯器開源，近 5 倍蛋白質(zhì)宇宙 LLM 全生成

AI，能夠重寫人類基因組了？

就在剛剛，初創(chuàng)公司 Profluent 宣布，完全由 AI 設(shè)計的基因編輯器，已經(jīng)成功編輯了人類細(xì)胞中的 DNA。

也就是說，世界上首個使用 AI 從頭設(shè)計的分子級精確基因編輯器誕生了。

就像 ChatGPT 能生成詩歌一樣，Profluent 這個全新的 AI 系統(tǒng)，可以讓我們編輯自己 DNA 的微觀機(jī)制生成藍(lán)圖。

在迄今最廣泛的基于 CRISPR 的基因編輯系統(tǒng)數(shù)據(jù)集上，研究者訓(xùn)練了 LLM。這些 LLM 產(chǎn)生的蛋白質(zhì)，將幾乎所有天然存在的 CRISPR-Cas 家族的多樣性，擴(kuò)大了 4.8 倍！

并且，基因編輯器在人類細(xì)胞中顯示出了與 SpCas9（一個示例基因編輯器）相當(dāng)或更好的活性和特異性，同時距離超過 400 個突變。

這也就意味著，我們掌握了自己的基因組密碼。未來的科學(xué)家，會比今天更精確、更快速地對抗疾病。而且，公司還決定，會在 OpenCRISPR 協(xié)議下，自由釋放這些 DNA 分子。

Profluent 聯(lián)創(chuàng) Ali Madani 表示，「嘗試用 AI 設(shè)計的生物系統(tǒng)，編輯人類 DNA 是一次科學(xué)登月之旅」。

「我們的成功表明，在未來，AI 可精準(zhǔn)設(shè)計出一系列定制的疾病治療方案」。

有網(wǎng)友表示，「是時候重新編程人類了嗎？AI 驅(qū)動的 CRISPR 技術(shù)進(jìn)步，正挑戰(zhàn)著基因倫理的邊界」。

如果你可以改變自己的 DNA，你會這么做嗎？

貧血、失明疾病的基因，由我們自己修改

初創(chuàng)公司 Profluent 在剛剛發(fā)表的這篇論文中，詳細(xì)描述了這項技術(shù)。

論文地址：https://www.biorxiv.org/content/10.1101/2024.04.22.590591v1.full.pdf

論文預(yù)計將于下月，在美國基因與細(xì)胞治療學(xué)會年會上發(fā)表。

這項技術(shù)和驅(qū)動 ChatGPT 的方法是一樣的，它在分析大量生物數(shù)據(jù)后，創(chuàng)造了新的基因編輯器，包括科學(xué)家已經(jīng)用于編輯人類 DNA 的微觀機(jī)制。

這些基因編輯器基于的是諾獎的獲獎方法，涉及一種名叫 CRISPR 的生物機(jī)制。

基于 CRISPR 的技術(shù)誕生后，即在業(yè)界引起轟動。它改變了科學(xué)家研究疾病的方式。

在以前，如果我們不幸得了鐮狀細(xì)胞性貧血和失明這樣的遺傳性疾病，往往束手無策，而現(xiàn)在，CRISPR 技術(shù)可以直接讓我們修改導(dǎo)致這些疾病的基因了！

CRISPR 方法使用的是我們在自然界中發(fā)現(xiàn)的機(jī)制：從細(xì)菌中收集的生物材料，竟然神奇地賦予了這些微生物抵抗細(xì)菌的能力。

加州大學(xué)舊金山分校生物工程和治療科學(xué)系教授兼系主任 James Fraser 介紹說，這些生物材料從未在地球上存在過，而 Profluent 的 AI 系統(tǒng)，正是從大自然中學(xué)習(xí)如何創(chuàng)造這些全新的東西。

如果這些技術(shù)繼續(xù)發(fā)展，所產(chǎn)生的基因編輯器，或許會比我們?nèi)祟惤?jīng)過數(shù)十億年進(jìn)化磨練的基因編輯器更靈活、更強(qiáng)大。

現(xiàn)在，Profluent 表示正在開源 OpenCRISPR-1 編輯器，這也就意味著，個人、學(xué)術(shù)實(shí)驗(yàn)室和公司都能免費(fèi)使用這些技術(shù)。

AI 界常見的開源，可以加速新技術(shù)的產(chǎn)生。不過，對于生物實(shí)驗(yàn)室和制藥公司來說，像 OpenCRISPR-1 這樣的開源并不常見。

當(dāng)然，Profluent 也只是開源了其 AI 技術(shù)生成的基因編輯器，并沒有開源 AI 技術(shù)本身。

AI 編輯蛋白質(zhì)，為何意義重大

目前，蛋白質(zhì)工程界想要復(fù)制功能性蛋白質(zhì)，或者用「定向進(jìn)化」來迭代修飾，通常還是需要從自然界中復(fù)制。

許多對人類有重大意義的蛋白質(zhì)，都是我們偶然發(fā)現(xiàn)的，比如狗的胰島素、酸奶設(shè)施中的 Cas9 和經(jīng)常造成食物中毒的肉毒桿菌毒素。

大型生成蛋白質(zhì)語言模型的作用，就是可以捕獲使天然蛋白質(zhì)發(fā)揮作用的基本藍(lán)圖。它們勾勒出一條捷徑，可以繞過進(jìn)化的隨機(jī)過程，推動人類有意識地為特定目的設(shè)計蛋白質(zhì)。

Cas9 蛋白，是 CRISPR-Cas9 基因編輯系統(tǒng)的核心組成部分，它是一種 RNA 引導(dǎo)的核酸酶，可以搜索人類基因組中的所有 30 億個核苷酸，并在一個特定位點(diǎn)進(jìn)行切割。

這種核酸酶與單導(dǎo) RNA（sgRNA）復(fù)合在一起，sgRNA 由一個在結(jié)構(gòu)上與蛋白質(zhì)相互作用的支架和一個間隔序列組成，后者可通過編程靶向基因組中的任何位點(diǎn)。

棘手的是，大多數(shù) Cas9 蛋白的長度超過 1000 個氨基酸，整個設(shè)計空間包含 20^1000 種可能的序列，比起可觀測宇宙中的原子數(shù)量，它都要高出幾個數(shù)量級！

而且，由于這些蛋白質(zhì)必須以精確的順序協(xié)調(diào)許多相互作用，才能實(shí)現(xiàn)精確切割，因此即使是單個錯位突變，也可能完全消除蛋白質(zhì)的功能。

如果通過實(shí)驗(yàn)窮盡所有可能的序列變異，許多科學(xué)家?guī)纵呑訒r間都做不完。然而，AI 系統(tǒng)卻能很輕松地探索整個搜索空間，發(fā)現(xiàn)功能性的基因編輯器。而且，只需要花幾個小時！

全球首個開源基因編輯器，改寫人類 DNA

基因編輯器 OpenCRISPR-1，由一個 Cas9 樣蛋白質(zhì)，和引導(dǎo) RNA（guide RNA）構(gòu)成。

正如之前所述，它是完全由 Profluent 的 AI 大模型開發(fā)的。

在具體實(shí)現(xiàn)過程中，研究人員對 26TB 組裝的「基因組」和「元基因組」數(shù)據(jù)庫系統(tǒng)進(jìn)行挖掘，整理出超 100 萬個 CRISPR 操縱子（operon）的數(shù)據(jù)集。

通過訓(xùn)練 OpenCRISPR，AI 從大規(guī)模序列和生物背景中學(xué)習(xí)，生成了自然界不存在的數(shù)百萬種 CRISPR 樣蛋白。

研究人員稱，AI 生成了自然界中已發(fā)現(xiàn)的「CRISPR-Cas 家族」的 4.8 倍的蛋白質(zhì)集群，完全實(shí)現(xiàn)了指數(shù)級擴(kuò)展！

而且，語言模型還為類 Cas9 效應(yīng)蛋白定制了單引導(dǎo) RNA 序列。

與原型基因編輯效應(yīng)器 SpCas9 相比，幾個生成的基因編輯器顯示出，可比或改進(jìn)的活性和特異性，同時在序列上相差 400 個突變。

最后，研究人員還證明了 AI 生成的基因編輯 OpenCRISPR-1 與堿基編輯的兼容性。

這項研究中的關(guān)鍵結(jié)果，具體如下。

AI 生成 4.8 倍「CRISPR-Cas」蛋白質(zhì)宇宙

生成蛋白質(zhì)語言模型通常是在，大型涵蓋多種系統(tǒng)發(fā)育和功能的天然蛋白序列的數(shù)據(jù)集上，進(jìn)行預(yù)訓(xùn)練 。

這些模型能夠生成，反映天然蛋白質(zhì)分布和特性的真實(shí)蛋白質(zhì)序列。

然而，對于特定的應(yīng)用，例如新型基因編輯器的生成，有必要將生成過程導(dǎo)向特定的感興趣的蛋白家族子集。

對此，研究人員進(jìn)行了詳盡的數(shù)據(jù)挖掘來構(gòu)建數(shù)據(jù)庫。

他們搜索了 26.2TB 的組裝微生物基因組和宏基因組，發(fā)現(xiàn)了 1,246,163 個 CRISPR-Cas 操縱子。

與 CRISPRCasDB 和 CasPDB 等精選數(shù)據(jù)庫，以及世界上最大的蛋白質(zhì)資源 UniProt 相比，最新創(chuàng)建的數(shù)據(jù)庫顯示出更大的多樣性。

通過總結(jié)共性，研究人員發(fā)現(xiàn)了所有 CRISPR-Cas 蛋白的單一模型，能夠生成跨家族的不同序列。

為了生成新型 CRISPR-Cas 蛋白，作者在 CRISPR-Cas Atlas 上微調(diào)了基于 ProGen2 的語言模型，由此平衡了蛋白家族的表示和序列簇大小。

從這個模型中，研究者生成了 400 萬個序列。其中一半是直接從模型生成的，另一半是由天然蛋白質(zhì) N 或 C 末端的最多 50 個殘基提示，以引導(dǎo)向特定蛋白的生成。

為了評估其新穎性和多樣性，作者使用 MMseqs2 對每個家族的生成序列和天然序列按 70% 的同一性進(jìn)行了聚類。

結(jié)果發(fā)現(xiàn)，與 CRISPR-Cas 圖譜中的天然蛋白相比，生成序列實(shí)現(xiàn)了 4.8 倍的多樣性擴(kuò)展。

對于天然蛋白質(zhì)很少的家族，比如 Cas13 和 Cas12a，生成序列的多樣性分別增加了 8.4 倍和 6.2 倍。

另外，只需要極少的上下文，即提供 50 個或更少的殘基，就能針對某一特定科引導(dǎo)序列生成與感興趣的科保持一致。

100 萬個類 Cas9 蛋白全部生成

雖然許多 CRISPR-Cas 蛋白已被用于基因組編輯 ，但 Cas9 仍是應(yīng)用最廣泛的一種。

為了生成類 Cas9 的新序列，研究人員從 CRISPR-Cas 圖譜中采樣，Cas9 的 N 端或 C 端 50 個殘基，對 CRISPR-Cas 模型進(jìn)行了提示。

這里，作者使用了 CRISPR-Cas Atlas 中 238917 條 Cas9 序列，對另一個語言模型進(jìn)行了微調(diào)。

這一模型生成可行的類 Cas9 序列的速度是 CRISPR-Cas 模型的 2 倍（54.2%），而且需要任何提示。

為了探索 II 型效應(yīng)器的潛在序列分布，研究人員使用 Cas9 模型生成了 100 萬個 Cas9 蛋白。

生成的可存活代（n=542,042）與同一性為 40% 的天然 Cas9 聚類在一起，并用作構(gòu)建最大似然系統(tǒng)發(fā)育樹的輸入（圖 2a）。

引人注目的是，生成的蛋白質(zhì)主導(dǎo)了系統(tǒng)發(fā)育的格局，占系統(tǒng)發(fā)育總多樣性的 94.1%。

與整個 CRISPR-Cas 圖譜相比，多樣性增加了 10.3 倍（圖 2b）。

新的系統(tǒng)發(fā)生群分布在整個樹中，這表明該模型捕捉到了 Cas9 的全部多樣性，并沒有過度擬合任何特定系。

生成的序列與 CRISPR-Cas 圖譜的差異很大，與任何自然序列的平均同一性只有 56.8%（圖 2c）。

總體而言，生成的序列與同一蛋白質(zhì)簇中天然蛋白質(zhì)的長度密切匹配，皮爾遜相關(guān)性為 0.97（圖 2d）。

此外，圖 2e 顯示了，天然 Cas9、祖先序列重建和 48 個生成蛋白的靶上和脫靶的編輯效率。圖 2f 展示了自然 Cas9、祖先序列重建，以及生成蛋白在靶向編輯效率和特異性方面的對比。

生成的基因編輯器，在人類細(xì)胞中發(fā)揮作用

然后，研究者進(jìn)一步將關(guān)注范圍縮小到 CRISPR-Cas9 系統(tǒng)，并在 CRISPR-Cas 圖譜中的 238,917 個 Cas9 蛋白上，訓(xùn)練了蛋白質(zhì)語言模型。

使用這些模型，研究者生成了可與 SpCas9 互操作的 Cas9 樣蛋白。也就是說，它們與基因組的相同部分（PAM）結(jié)合，并與相同的 sgRNA 相容，因此，它們可用于相同的應(yīng)用。

研究者選擇了其中 48 個生成的序列，用于在人類細(xì)胞中進(jìn)行嚴(yán)格的功能表征。

最熱門的 OpenCRISPR-1，在靶向位點(diǎn)的活性與 SpCas9 相當(dāng)（OpenCRISPR-1 的編輯率為 55.7%，SpCas9 的編輯率為 48.3%），但令人驚訝的是，在脫靶位點(diǎn)的編輯減少了 95%（OpenCRISPR-1 的編輯率為 0.32%，SpCas9 為 6.1%）。

此外，作為一種非常新的蛋白質(zhì)，OpenCRISPR-1 與 SpCas9 相距 403 個突變，與 CRISPR-Cas 圖譜中的任何天然蛋白質(zhì)相距 182 個突變。

研究者們還發(fā)現(xiàn)，當(dāng)與脫氨酶配對時，OpenCRISPR-1 和 SpCas9 在精確編輯靶基因組中的單個堿基時，具有相似的活性和特異性。

他們還能保持堿基編輯活性，同時通過用由另一種 Profluent 訓(xùn)練的蛋白質(zhì)語言模型生成的脫氨酶，來提高特異性。

最后，為了進(jìn)一步優(yōu)化所生成的核酸酶的活性，研究者還訓(xùn)練了一個模型來為任何給定的 Cas9 樣蛋白生成相容的 sgRNA。

與 SpCas9 的 sgRNA 相比，這些生成的 sgRNA 可以提高所測試的五種蛋白質(zhì)中四種產(chǎn)生的核酸酶的活性。

AI，正在改善醫(yī)療保健

現(xiàn)在，全世界都有很多項目，在用 AI 技術(shù)改善醫(yī)療保健。

比如，華盛頓大學(xué)的科學(xué)家們正在用 ChatGPT 和 Midjourney 背后的方法來，創(chuàng)造全新的蛋白質(zhì)，并且正在努力加速新疫苗和藥物的開發(fā)。

如今大火的許多生成式 AI，背后都是由神經(jīng)網(wǎng)絡(luò)驅(qū)動的。通過分析大量數(shù)據(jù)，神經(jīng)網(wǎng)絡(luò)就習(xí)得了某些技能。

比如，Midjourney 以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)，分析了數(shù)百萬張數(shù)字圖像，以及描述每張圖像的標(biāo)題。這樣，系統(tǒng)就學(xué)會了識別圖像和文字之間的聯(lián)系，可以畫出「犀牛從金門大橋上跳下來」這樣的畫。

Profluent 的技術(shù)，也是由一個類似的 AI 模型驅(qū)動的。

這個模型從氨基酸和核酸序列中學(xué)習(xí)，正是這些化合物，定義了科學(xué)家用來編輯基因的微觀生物學(xué)機(jī)制。

本質(zhì)而言，它就是分析了從自然界中提取的 CRISPR 基因編輯器的行為，學(xué)習(xí)了如何生成全新的基因編輯器。

Profluent 的 CEO Ali Madani 介紹道，這些 AI 模型都是從序列中學(xué)習(xí)的，無論是字符、單詞、計算機(jī)代碼，還是氨基酸的序列。

Madani 先生在加州伯克利 Profluent 實(shí)驗(yàn)室內(nèi)，此前他曾在軟件巨頭 Salesforce 的人工智能實(shí)驗(yàn)室工作

人類編輯基因，還會有多遠(yuǎn)

目前，Profluent 尚未對這些合成基因編輯器進(jìn)行臨床試驗(yàn)，因此尚不清楚它們是否能與 CRISPR 的性能相媲美，甚至超過 CRISPR。

但他們的研究表明了，AI 模型可以產(chǎn)生能夠編輯人類基因組的東西。

盡管如此，這項成果還不太可能在短期內(nèi)影響醫(yī)療保健。

UC 伯克利創(chuàng)新基因組學(xué)研究所的基因編輯先驅(qū)兼科學(xué)主任費(fèi) Fyodor Urnov 表示，科學(xué)家們并不缺乏天然存在的基因編輯器，用來對抗疾病。

真正的瓶頸在于，這項編輯器在用于臨床治療之前，還會因安全性、制造、監(jiān)管審查產(chǎn)生極高的成本。

但是，隨著學(xué)習(xí)越來越多的數(shù)據(jù)，生成式 AI 系統(tǒng)的潛力不可小覷。

如果 Profluent 的技術(shù)繼續(xù)改進(jìn)，終有一天，科學(xué)家們可以用更精確的方式編輯基因。到那時，我們可能身處這樣一個世界 —— 許多藥物和治療方法，都能快速為個人量身定制。這是今天的人們所不敢想的。

「我夢想著這樣一個世界，我們可以在幾周內(nèi)按需提供 CRISPR，」 Urnov 博士說。

還有一個重大的問題就是，CRIPSR 有風(fēng)險嗎？

長期以來，科學(xué)家們一直在警告：不要使用 CRISPR 進(jìn)行人類增強(qiáng)！因?yàn)椋@是一項相對較新的技術(shù)，很可能會產(chǎn)生不良的副作用，比如引發(fā)癌癥。而且還有些人會用于非道德的用途，比如轉(zhuǎn)基因人類胚胎。

合成基因編輯器，也面臨著這項問題。而如今，科學(xué)家們已經(jīng)掌握了編輯胚胎所需的一切技術(shù)。

但 Fraser 博士表示，如果真的有人想用它們做壞事，也只會使用現(xiàn)有的東西，而非 AI 創(chuàng)建的編輯器。

參考資料：

• https://www.profluent.bio/blog/editing-the-human-genome-with-ai

• https://www.nytimes.com/2024/04/22/technology/generative-ai-gene-editing-crispr.html

本文來自微信公眾號：新智元 （ID：AI_era）

廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。