超越预测：人工智能在基因组编辑中不断拓展的角色

自CRISPR-Cas系统被发现并改造为基因编辑工具以来，Cas9核酸酶已能在短RNA引导下对人、小鼠细胞的内源基因组位点实施精确切割 ^[2]，并可在人类细胞中经自定义gRNA实现多重编辑 ^[3]，工具箱随后又扩展至无需双链断裂与供体DNA即可改写序列的先导编辑 ^[4]。但瓶颈同样突出：不同sgRNA的在靶活性与脱靶效应差异悬殊，早期只能借助大规模实证数据归纳计算设计规则 ^[5]；已知CRISPR-Cas系统虽已扩至2类6型33亚型 ^[1]，天然编辑器移植到人细胞等非原生环境时仍常见功能折损 ^[6]。在这一阶段，AI的角色基本停留在预测层面。

这篇综述（据报道为《Molecular Cell》的特邀稿^[9]）勾勒的正是这一角色的跃迁：早期AI应用集中于预测gRNA活性、脱靶效应，以及核酸酶、碱基编辑器和先导编辑器的编辑结果；而随着基于Transformer的蛋白质语言模型与生成式AI兴起，AI已越过预测、直接参与分子设计——如今的AI框架能够进化基因组编辑蛋白、设计分子架构，乃至从头生成全新的基因组编辑酶。

这种“从预测到设计”的转变并非愿景而是已经发生的事实：有团队从26 T碱基的基因组和宏基因组数据中系统挖掘逾百万个CRISPR操纵子训练大语言模型，生成的蛋白簇数量达自然界CRISPR-Cas家族的4.8倍，多个AI设计的编辑器在活性与特异性上与SpCas9相当甚至更优 ^[6]；Evo 2以覆盖所有生命域的9万亿碱基对训练出具备百万token上下文窗口与单核苷酸分辨率的基因组基础模型 ^[7]；CRISPR-GPT则将大语言模型智能体引入CRISPR系统选择、gRNA设计与实验流程自动化 ^[8]。综述的意义在于把这些散点串成一条主线，说明AI已从为候选序列打分的辅助工具，变成编辑器本身的发明者。

当然，图景尚未闭合：正如Evo 2的研发动机所揭示的，人们仍无法预测许多基因组变化的功能影响，也缺乏理性组装新生物系统的能力 ^[7]；AI设计有望绕开进化约束，却并未取消实验验证与安全性评估的门槛 ^[6]。从模型输出到可信赖的下一代编辑器，中间还有一段必须由湿实验走完的长路。