北京大学生命科学学院的伊成器课题组于7月22日联合在《自然》（Nature）杂志上发表了论文，提出了一个名为ContactSeek的AI框架。该研究成果由北京大学生命科学学院、基因功能研究与操控全国重点实验室、核糖核酸北京研究中心伊成器课题组与华东师范大学生命科学学院李大力课题组共同完成。
这项工作核心在于开发了AI驱动的ContactSeek框架，其设计理念是将AlphaFold3模型预测的接触概率（contact probability，CP）与从高通量测序获得的脱靶编辑信息进行整合。背景知识方面，需要了解AlphaFold3是谷歌旗下DeepMind推出的人工智能模型，它最初用于预测蛋白质三维结构，但其更新版本已扩展到分析蛋白质与核酸、以及多分子复合物的相互作用。
ContactSeek框架的具体运作机制涉及多个关键步骤。首先，研究团队利用AlphaFold3对输入序列进行特征表示（representation），随后根据这些特征生成预测的结构和接触概率矩阵。其中，接触概率CP用于量化任意两个氨基酸或核苷酸残基处于邻近位置的可能性，其数值本身就可作为判断残基间是否存在相互作用的重要指标。
研究团队进一步利用AlphaFold3预测了在靶位点与脱靶位点的DNA-RNA-蛋白质三元复合物，并着重比较了两类复合物之间的互作差异。这种基于结构和相互作用的分析能力，使得ContactSeek框架能够系统识别出Cas蛋白和脱氨酶中决定编辑特异性的关键氨基酸残基。
从技术细节来看，研究团队的基准测试显示，CP不仅能反映单碱基对错配引发的局部构象变化，还能响应单个氨基酸突变带来的互作变化。这种精细的结构信息捕获能力是ContactSeek框架能够发挥作用的基础。
基于ContactSeek框架的应用成果显著，研究团队成功鉴定出一系列可提升腺嘌呤碱基编辑器（ABE）精准性的全新Cas9变体。这些新变体的设计目标是在维持高效在靶编辑的同时，有效降低DNA脱靶编辑的发生率。这代表了对现有碱基编辑工具性能的一次重要优化。
从时间线角度看，此次研究成果于7月22日通过《自然》杂志发表，标志着我国科学家在利用前沿AI模型赋能基因编辑领域取得了重要的学术进展。该框架的提出，为后续开发更精确、更安全的基因治疗工具提供了新的计算和实验指导。
影响分析方面，ContactSeek框架的建立极大地提升了碱基编辑技术的理论深度和工程可实现性。以往的碱基编辑研究可能侧重于酶学活性或序列匹配度，而引入基于AlphaFold3接触概率的结构约束，使得对“为什么会发生脱靶”这一生物物理机制的理解更加深入。
读者提示：对于关注基因编辑前沿技术的读者而言，理解AI模型如何从预测蛋白质结构（如AlphaFold3）延伸到指导分子间相互作用（如CP），再应用于解决实际的生物学难题（如碱基编辑脱靶问题），是把握该领域发展趋势的关键点。ContactSeek框架正是体现了计算生物学与合成生物学深度融合的典范。
信息来源
本文基于上述公开资料整理，未使用来源页面的图片、视频或嵌入媒体。