AI找到了新的CRISPR基因編輯系統(tǒng)

苦山

規(guī)律間隔成簇短回文重復序列（CRISPR）技術面臨一個問題：資源多得讓人為難。

自從這種基因編輯系統(tǒng)聲名鵲起以來，科學家一直在尋找具有更高精度和準確性的變體。

一種搜索方法是在細菌和其他生物的DNA中篩選與CRISPR-Cas9相關的基因。另一種方法則是在實驗室中人工改進CRISPR組件，使其具有更好的治療功能——比如讓它們在人體內(nèi)擁有更高的穩(wěn)定性、安全性和效率。

這些數(shù)據(jù)存儲在包含數(shù)十億基因序列的多個數(shù)據(jù)庫中。盡管這些數(shù)據(jù)庫里可能隱藏著奇特的CRISPR系統(tǒng)，但要搜索的條目實在太多了。

由麻省理工學院和哈佛大學合作成立并由CRISPR先驅(qū)張鋒博士領導的團隊從現(xiàn)有的大數(shù)據(jù)方法中獲得靈感，利用人工智能對海量的基因序列進行篩選，將范圍縮小到了與已知CRISPR系統(tǒng)相似的僅僅數(shù)種序列。

該人工智能工具搜索了開源數(shù)據(jù)庫中的基因組，這些基因組源自多種罕見細菌——包括那些從啤酒廠、煤礦、寒冷的南極海岸以及狗唾液中發(fā)現(xiàn)的細菌。

在短短幾周內(nèi)，該算法就鎖定了數(shù)千個潛在的新“生物學部件”，它們可以組成188種基于CRISPR的新系統(tǒng)，其中包括一些極其罕見的系統(tǒng)。

其中有幾個新候選者格外引人注目。例如，有些變體可以更精確地鎖定目標基因進行編輯，且副作用更少。另外幾個變體雖然不能直接使用，但可以幫助我們了解某些現(xiàn)有CRISPR系統(tǒng)的運作方式——比如，那些針對RNA的系統(tǒng)。RNA是一種“信使”分子，指導細胞從DNA中構(gòu)建蛋白質(zhì)。

“生物多樣性真是一座無盡的寶庫?！睆埐┦空f：“進行此類分析是一舉兩得的事：既能研究生物學理論，也有可能發(fā)現(xiàn)實用的東西?！?/p>

大肆搜尋

盡管CRISPR因其在人類基因編輯方面的威力而聞名，但科學家最初是在細菌中發(fā)現(xiàn)了這個系統(tǒng)，它在細菌中被用于抵抗病毒感染。

長期以來，科學家一直在世界的各個角落收集細菌樣本。得益于越來越便宜和高效的DNA測序技術，這些樣本中（有些樣本來自諸如池塘淤泥等意想不到的地方）有許多已完成了基因藍圖繪制，并被存入了數(shù)據(jù)庫。

張博士對于搜尋新的CRISPR系統(tǒng)并不陌生。2023年早些時候，他在接受《麻省理工學院新聞》采訪時說：“幾年前，我們開始發(fā)問，除了CRISPR之外還有什么？自然界是否存在其他可通過RNA編程的系統(tǒng)？”

CRISPR由兩個結(jié)構(gòu)組成。一個是“搜尋犬”向?qū)NA序列，通常約有20個堿基長，針對特定的基因。另一個是類似剪刀的Cas蛋白。一旦進入細胞，搜尋犬找到目標，剪刀則剪掉基因。至于該系統(tǒng)更近期的版本，如堿基編輯技術或先導編輯技術，則使用不同類型的Cas蛋白來執(zhí)行單字母DNA交換，乃至編輯RNA目標。

早在2021年，張鋒的實驗室追溯了CRISPR家族樹的起源，確定了一支全新的家系。這類被稱為OMEGA的系統(tǒng)使用外源向?qū)NA和蛋白質(zhì)剪刀，但仍然可以輕松地剪切培養(yǎng)皿中培育出的人類細胞里的DNA。

最近，該團隊將他們的搜索擴展到了生命形式的新分支：真核生物。這個家族成員（包括植物、動物和人類）的DNA被緊密包裹在堅果狀的結(jié)構(gòu)內(nèi)。與之形成對照的是，細菌沒有這些結(jié)構(gòu)。通過篩選真菌、藻類和蛤蜊（是的，生物多樣性又古怪又神奇），該團隊發(fā)現(xiàn)了他們稱之為“Fanzor”的蛋白質(zhì)，這些蛋白質(zhì)可以被重新編程，以用來編輯人類DNA，這是第一份證明真核生物中也存在類CRISPR機制的證據(jù)。

但是，我們的目標并不僅僅是搜尋新的、酷炫的基因編輯器。應該說，我們的目的是利用大自然的基因編輯能力來構(gòu)建一系列各具特長的基因編輯器，它們可以治療遺傳疾病，并幫助我們了解人體的內(nèi)在運作原理。

總而言之，科學家已經(jīng)發(fā)現(xiàn)了六種主要的CRISPR系統(tǒng)，其中有些與不同的Cas酶合作，另一些則專門針對DNA或RNA。

張博士說：“大自然太神奇了。它有著如此的多樣性，可能還有更多可通過RNA編程的系統(tǒng)存在，我們正在繼續(xù)探索，希望能發(fā)現(xiàn)更多?！?/p>

生物工程拼字游戲

這就是張鋒團隊構(gòu)建新人工智能算法“FLSHclust”的目的。他們將分析龐大數(shù)據(jù)集的技術（如軟件突出顯示大量文檔、音頻或圖像文件中的相似部分）改造為一種搜尋CRISPR相關基因的工具。

一等到該算法設計完成，它就分析了來自細菌的基因序列，并將它們分組——有點像是將不同顏色排成彩虹，也就是把相似的顏色組到一起，這樣就更容易找到你想要的色調(diào)。從這里開始，團隊便專注于尋找與CRISPR相關的基因。

該算法檢索了包括數(shù)以十萬計來自細菌和古菌的基因組以及數(shù)百萬個未知DNA序列在內(nèi)的多個開源數(shù)據(jù)庫?？偟膩碚f，它掃描了數(shù)十億個蛋白質(zhì)編碼基因，并將它們分組成大約5億個聚類簇。在這些聚類簇中，團隊確定了188個尚未有人將之與CRISPR建立關聯(lián)的基因，這些基因可以構(gòu)成數(shù)千個新的CRISPR系統(tǒng)。

其中有兩種系統(tǒng)分別源自動物腸道和黑海中的微生物，使用了32個堿基長的向?qū)NA，而不是CRISPR-Cas9中通常使用的20個堿基長的向?qū)NA。它就像搜索查詢詞一樣，長度越長，搜索結(jié)果就越精確。這些更長的向?qū)NA“查詢”表明，這些系統(tǒng)可能具有更少的副作用。另一種系統(tǒng)則類似此前的某個基于CRISPR的診斷系統(tǒng)“夏洛克”（SHERLOCK），它能快速感知來自感染性入侵者的單個DNA或RNA分子。

在培育的人類細胞中進行測試時，這兩種系統(tǒng)都能夠剪切目標基因的單鏈，并以大約13%的效率插入小的基因序列。這聽起來也許不算多，但它是一個可以被改進的基準數(shù)據(jù)。

該團隊還發(fā)現(xiàn)了一種新的CRISPR系統(tǒng)的基因，它針對的是科學界此前未曾發(fā)現(xiàn)過的某種RNA。仔細觀察后，研究人員發(fā)現(xiàn)，這一版本以及任何尚未發(fā)現(xiàn)的版本似乎都難以通過在世界各地采樣細菌來捕獲，因此在自然界中極為罕見。

研究作者蘇米婭 · 卡南（Soumya Kannan）博士表示：“這些微生物系統(tǒng)中有一部分只存在于煤礦的水中。如果不是有人對此產(chǎn)生興趣，我們可能永遠也無法看到這些系統(tǒng)。”

眼下，要確定這些系統(tǒng)是否可以用于人類基因編輯還為時過早。例如，那些隨機切割DNA的系統(tǒng)對于治療而言并無用處。然而，人工智能可以挖掘龐大的基因數(shù)據(jù)來尋找潛在的“獨角獸”基因序列，該人工智能如今已向其他科學家開放，供進一步探索。