在线咨询
《Nature》重磅！未来美国第三代试管技术PGT或可主动“修正”致病突变！
在人工智能与生命科学的交叉前沿，一项发表于《Nature》杂志的突破性研究展示了如何借助基因组语言模型实现功能性基因的智能化设计。该研究团队开发的Evo模型，通过对海量微生物基因组数据的学习，掌握了基因序列中隐藏的语法规则，进而生成出大量自然界未曾记录、却具备完整生物学功能的人造基因。
锦欣国际(梦美生命)一直积极关注国际上生命科学领域的进展。总结这项研究，科学家们取得了以下的进展：
1.基因组语言模型Evo 1.5的能力
研究的关键在于其迭代升级的Evo 1.5模型。该模型在包含3000亿个核苷酸的宏基因组数据集上训练而成，并展现出卓越的长程上下文理解能力——其131,072个标记的上下文窗口使其能够捕捉跨越数万个碱基的基因组调控逻辑。在基因补全测试中，模型仅凭30%的原始序列就能高精度还原大肠杆菌rpoS基因85%的氨基酸序列，显著优于前代模型。更重要的是，模型展现出对遗传密码简并性的深刻理解：在保持蛋白质功能不变的前提下，它能灵活运用不同的核苷酸组合进行编码[1]。
2.功能性毒素-抗毒素系统的成功构建
研究人员进一步挑战了进化生物学中的经典范例——毒素-抗毒素系统。通过让模型根据基因组上下文分别生成毒素蛋白及其对应抗毒素，他们成功构建出功能完备的合成系统。其中，人工设计的EvoRelE1毒素能有效抑制细菌生长，而模型据此反向推导出的抗毒素EvoAT2更是展现出超乎自然特性的广谱中和能力，可同时抑制多种天然毒素。这些人工蛋白与已知天然序列相似度极低，表明模型已突破现有数据库的局限，探索到了序列空间中的未知区域。
3.跨分子模态的精准设计
更令人惊叹的是模型跨越分子模态的设计能力。在面对需要蛋白质毒素与RNA抗毒素协同作用的III型系统时，Evo生成的EvoT1毒素与EvoAT6 RNA抗毒素在实验中表现出与天然系统相当的功效。尽管RNA序列与天然模板仅有78%相似度，但其关键二级结构特征得以完整保留，证明模型已内化了RNA折叠与相互作用的物理规律[1]。
4.突破已知序列空间的抗CRISPR蛋白设计
这项研究中极具颠覆性的发现来自抗CRISPR蛋白的设计实验。模型生成的EvoAcr1和EvoAcr2蛋白在现有数据库中找不到任何显著同源物，结构预测工具也无法识别其折叠模式，属于典型的无同源序列蛋白。然而实验证实它们确实具有强大的CRISPR抑制功能。深入分析显示，这些蛋白的序列需要从数十个不同天然蛋白中提取片段才能完整覆盖，表明模型是在基序层面进行创新性重组，而非简单模仿现有设计[1]。
这项研究对辅助生殖领域与遗传病预防有什么样的影响?
这项基于人工智能的基因设计研究，其意义远不止于创造新的生物学元件。它标志着我们解读生命“源代码”的能力取得了质的飞跃，这为从根本上干预和预防遗传疾病开辟了全新的技术路径。
当前，在辅助生殖领域，植入前遗传学检测(PGT)技术通过对胚胎进行基因筛查，有效避免了数百种已知的单基因遗传病向后代传递。然而，PGT本质上是一个“筛选”过程，其能力受限于可用的健康胚胎。如果一对夫妇的所有胚胎都携带致病突变，现有技术便面临困境。
而Evo模型所代表的技术方向，则指向了未来的“修复”甚至“优化”可能。尽管目前直接将此技术应用于人类胚胎仍面临巨大的伦理和技术壁垒，但其底层逻辑——精准理解基因序列与功能的复杂关系——正是迈向更高阶遗传干预的基石。例如，通过对致病突变位点及其调控上下文的深度语义解读，未来我们或许能够设计出纠正错误的“基因补丁”，或重写致病基因的调控逻辑，从而在根源上杜绝遗传风险。
因此，从在基因组中“筛选”异常，到深入理解并“设计”功能，Evo研究为我们描绘了一个更为深远的愿景：终有一天，人类或许能像理解和修改计算机代码一样，精准地解读并修正生命蓝图中的错误。
参考文献：
[1] Merchant,A.T.,King,S.H.,Nguyen,E.et al.Semantic design of functional de novo genes from a genomic language model.Nature(2025).
上一篇 > 没有了
下一篇 > 美国试管婴儿：PGS技术如何改写生育困境？
