1. 项目概述当AI大模型遇上RNA适配体筛选最近在翻看《自然·生物技术》上的一篇论文标题叫“CRISmersGRAPE-LM RNA适配体进化新范式”这个组合拳打得相当有意思。简单来说它把两个看似不搭界的东西——用于基因编辑的CRISPR系统具体是CRISmers和当下火热的AI大语言模型GRAPE-LM——给拧到了一块目标是解决一个老难题如何更高效、更智能地筛选和进化出性能优异的RNA适配体。RNA适配体是什么你可以把它想象成一种用RNA“折纸”折出来的、具有特定三维结构的分子。它能像抗体一样高亲和力、高特异性地结合一个目标分子比如一个蛋白质、一个小分子药物甚至是一个病毒颗粒。这东西在疾病诊断、靶向治疗、生物传感器等领域潜力巨大。但问题来了传统的筛选方法比如指数富集的配体系统进化技术过程极其耗时耗力就像大海捞针而且捞上来的“针”适配体性能未必是最优的。这篇论文提出的新范式核心思路是“虚实结合”。CRISmers负责在真实的生化实验里“干脏活累活”高效生成和筛选海量的RNA序列变异体而GRAPE-LM这个大语言模型则是在数字世界里充当“超级军师”它通过学习已知的RNA序列-功能关系能预测哪些新序列可能有戏甚至能“凭空想象”出有潜力的全新序列指导下一轮的实验方向。这不再是盲目的试错而是有了AI预测导航的定向进化。对于做分子生物学、合成生物学尤其是从事核酸药物开发或生物传感研究的同行来说这个方法论的价值不言而喻。它不仅仅是一个实验技术的升级更是一种研发范式的转变将高通量实验生成的数据与AI模型的迭代学习能力深度耦合形成一个“实验生成数据 - AI学习预测 - 指导新实验设计”的加速循环。接下来我就结合自己的理解拆解一下这套组合拳里的技术细节、实操逻辑以及它可能带来的改变。2. 核心组件深度解析CRISmers与GRAPE-LM如何各司其职要理解这个新范式必须先把两个核心工具拆开看明白。它们一个主攻湿实验一个主攻干实验分工明确协同进化。2.1 CRISmers不止于编辑更是高通量筛选的引擎CRISmers这个词可能不少同行第一次见。它脱胎于我们熟悉的CRISPR-Cas系统但在这里它的核心功能不是进行基因编辑。论文中的CRISmers我理解是一套利用CRISPR相关蛋白比如dCas9一种“死”的、只有结合能力没有切割能力的Cas9和向导RNAgRNA的复合物来高效捕获、富集或报告与特定目标结合的RNA适配体的技术平台。它的工作原理可以类比为一个高度特异的“分子钓鱼竿”钓竿dCas9蛋白被固定在某个表面如磁珠、微流控芯片通道它本身稳定且具有结合能力。鱼线gRNA其序列设计包含两部分。一部分是能结合dCas9的支架序列另一部分是一个已知的、能与目标分子弱结合的RNA适配体序列作为初始“鱼饵”。鱼塘文库是一个包含了海量变异RNA序列的库这些序列都是在初始“鱼饵”序列基础上随机突变产生的。钓鱼过程当gRNA-dCas9复合物带着初始鱼饵与目标分子一起孵育时如果文库中某个变异RNA序列与目标分子的结合力强于初始鱼饵它就会竞争性地把目标分子“抢”过来。通过一系列生化操作如洗脱、PCR扩增就能把结合力更强的这些“鱼”RNA序列富集出来。为什么选择CRISmers而不是传统方法关键在于“通量”和“耦合性”。超高通量借助微流控或大规模并行化操作CRISmers可以在单次实验中同时筛选数百万甚至上亿个序列变异这是传统试管内筛选难以企及的。直接功能耦合整个筛选过程直接基于“结合”这一功能进行避免了繁琐的克隆、表达和单独检测步骤筛选信号如荧光、磁力可以直接读出。可编程性gRNA序列易于设计和合成这意味着你可以快速更换初始“鱼饵”针对不同目标启动筛选流程。注意这里CRISmers的具体实现可能因实验室而异核心是活用CRISPR系统的可编程核酸结合特性。在实际搭建时需要仔细优化dCas9的固定化方法、gRNA与初始适配体的连接方式以及洗脱条件以确保筛选的严格性和信噪比。2.2 GRAPE-LM从处理语言到“编写”功能RNA的AIGRAPE-LM是这个范式的“大脑”。它本质上是一个经过特殊训练的大型语言模型。我们知道像GPT这类模型通过学习海量人类语言文本学会了生成通顺的句子、回答问题。而GRAPE-LM的训练数据是海量的RNA序列以及它们对应的功能数据如结合亲和力、解离常数KD值、二级/三级结构信息。它的训练目标是理解RNA的“序列语言”如何编码其“功能语义”。经过训练后GRAPE-LM获得了以下几种关键能力序列生成给定一个功能目标如“结合凝血酶KD10 nM”模型可以生成一批全新的、在自然界可能不存在的RNA序列这些序列在模型“看来”很可能具备该功能。功能预测给定一个RNA序列模型可以预测其与特定目标结合的可能性评分或估算其亲和力大小从而对大量序列进行快速初筛优先推荐高评分序列进行实验验证。进化指导根据一轮CRISmers实验筛选出的阳性序列富集到的序列及其对应的粗略功能数据GRAPE-LM可以分析这些序列中的保守模式、关键位点并推断出哪些方向的突变可能进一步提升性能从而设计出下一轮筛选的突变文库。这里涉及一个关键的技术点如何将非结构化的生物功能数据“喂”给语言模型通常的做法是将功能标签作为特殊的“提示词”或“条件”嵌入到模型的输入中。例如在序列的开头或结尾加上“[TARGET:Thrombin][AFFINITY:High]”这样的标记让模型在生成或评估序列时以此为导向。实操心得训练一个有效的GRAPE-LM并非易事。最大的挑战在于高质量、大规模的训练数据获取。公开的RNA适配体数据库如Aptamer Base数据量有限且质量参差不齐。因此研究团队很可能需要利用CRISmers平台自己先产生一批高质量的配对数据序列-功能。初始模型的性能可能一般但随着“实验-AI”循环的进行数据像滚雪球一样增多模型的预测能力会越来越强形成飞轮效应。3. 新范式工作流拆解从启动到迭代的完整循环理解了两个核心工具后我们来看它们是如何串联起来形成一个自动化、智能化的进化闭环的。整个流程可以清晰地分为四个阶段。3.1 阶段一冷启动与初始文库构建万事开头难这个范式也需要一个起点。首先你需要针对你的目标分子比如一种癌症标志物蛋白选择一个已知的、哪怕结合力很弱的RNA适配体序列作为“种子”。这个种子可以来自文献也可以通过简单的初步筛选获得。接着以这个种子序列为模板通过易错PCR或化学合成引入随机突变构建一个包含数百万个变异体的初始DNA文库。然后将这个DNA文库转录成RNA文库。至此你的“原始鱼塘”就准备好了。同时你需要设计并构建对应的CRISmers筛选体系将目标分子与你的“钓鱼竿”dCas9-gRNA-种子适配体复合物准备好。这个阶段的关键在于文库的多样性与质量多样性突变率要设置得当。太低探索空间有限太高可能产生大量无功能的 nonsense 序列浪费资源。通常针对RNA适配体长度约30-80 nt每个位点的突变率控制在0.1%-1%是一个合理的起点。质量必须确保DNA到RNA的转录效率高且RNA文库没有明显的偏好性扩增或降解。需要通过高通量测序随机抽查文库的序列分布来验证。3.2 阶段二CRISmers高通量实验筛选将RNA文库与CRISmers筛选体系混合进行结合、洗脱等操作。结合力强的RNA适配体变异体会竞争性地从gRNA-种子适配体上“夺走”目标分子并与dCas9复合物结合或导致其构象变化从而被特定的检测方法如荧光激活分选、磁力分选捕获和富集。富集到的RNA分子被回收反转录成cDNA然后进行高通量测序。测序结果会告诉你经过一轮筛选后哪些序列变体被显著富集了。这些就是第一轮的“优胜者”。这里有一个至关重要的步骤定量与数据转化。你不能仅仅知道哪些序列被富集了还需要一个半定量的“适应度”分数。通常通过比较筛选前后每个序列的读段数Read Count变化可以计算出一个富集倍数Enrichment Ratio或频率变化。这个数值就是该序列在此轮筛选中表现优劣的初步量化指标它将作为训练GRAPE-LM的标签数据。3.3 阶段三GRAPE-LM学习与设计将本轮筛选获得的所有序列及其对应的富集倍数适应度分数输入GRAPE-LM进行训练或微调。模型会学习序列特征如某些碱基模式、二级结构倾向与高富集倍数之间的关联。训练完成后GRAPE-LM开始发挥其核心作用分析模型可以指出在优胜序列中哪些位置是高度保守的可能对维持结构至关重要哪些位置存在多样性且与高适应度相关可能是有益突变的“热点”。生成基于学习到的模式模型可以生成一大批全新的序列。这些序列不再是完全随机的而是模型“认为”可能具有高结合亲和力的“候选者”。生成策略可以是定向突变在现有优胜序列的“热点”区域引入特定类型的突变。从头设计完全从模型学到的分布中采样生成全新的骨架序列。预测与排序对于生成的海量候选序列可能是数十万甚至数百万个GRAPE-LM可以快速对它们进行功能预测打分从而筛选出排名靠前的、最值得进行实验验证的一小部分例如几千条序列。3.4 阶段四迭代循环与性能提升将GRAPE-LM设计出的、经过预测筛选的顶级候选序列合成为新的DNA文库然后转录成RNA投入下一轮的CRISmers实验筛选。这就完成了第一次“实验-AI”闭环。随后重复阶段二到阶段四。每一轮实验产生的新数据序列适应度都会用来进一步训练和优化GRAPE-LM使其预测越来越准。而GRAPE-LM设计的文库质量也会越来越高从而在实验中筛选出性能一代比一代强的RNA适配体。通常经过3-5轮这样的迭代就能获得结合亲和力KD值相比初始种子序列提升数十倍甚至上百倍的优质适配体。这个范式的威力在于其正反馈循环实验为AI提供真实世界的数据让AI模型摆脱“空想”AI为实验提供智能导航大幅减少盲目试错的成本让进化过程收敛得更快、更优。4. 实操要点与潜在挑战听起来很美好但要把这套范式在实验室里跑起来有几个关键的实操环节和坑需要特别注意。4.1 湿实验部分CRISmers体系的稳健性是基石CRISmers筛选的成败直接决定了喂给AI的数据质量。数据是垃圾AI输出的也是垃圾。gRNA-适配体连接体的设计种子适配体如何连接到gRNA上是直接融合在gRNA的3‘或5’端还是通过一个灵活的 linker 连接这个连接体的长度和序列会影响种子适配体的空间构象和可及性需要优化以确保它既能被dCas9稳定结合又能允许目标分子和文库RNA进行有效竞争。筛选严格度的控制洗脱步骤的严格度如盐浓度、温度、竞争剂浓度是筛选的关键杠杆。严格度太低背景噪音高会富集大量非特异性结合的序列严格度太高可能连高亲和力的结合体也洗不下来。通常需要设置一个梯度或者采用“计数器筛选”策略先用非靶标分子洗掉非特异性结合再用靶标分子洗脱特异性结合体。避免PCR偏好与误差在富集序列的扩增和建库测序过程中PCR会引入偏好性和错误。需要使用高保真酶并严格控制循环数。最好能在实验设计中加入独特的分子标识符UMI以便在数据分析时校正PCR重复和测序错误。4.2 干实验部分GRAPE-LM的训练与生成策略AI部分同样充满挑战绝不是调用一个现成的GPT API就能解决的。数据表示与模型架构RNA序列如何输入模型简单的字符A, U, G, C序列是一种方式但可能丢失结构信息。更优的做法是结合预测的二级结构如点括号表示法或使用RNA特有的词元化方法。GRAPE-LM可能基于Transformer架构但需要针对生物序列的远程相互作用进行优化。从预测分数到实际功能的映射模型预测的“适应度分数”是一个相对值它如何与真实的生化参数如KD值关联初期这种关联可能很弱。因此在最初几轮不能完全依赖模型的绝对分数排名而应该采用一种“探索与利用”的平衡策略。例如下一轮文库既包含模型预测的高分序列利用也包含一些随机突变或中等分数的序列探索以防模型陷入局部最优。生成序列的“可合成性”与“稳定性”约束模型天马行空生成的序列可能在化学合成上困难或者形成的RNA分子在实验条件下极不稳定。因此在序列生成阶段需要加入额外的约束条件比如避免出现连续多个G容易形成难处理的G-四链体控制GC含量在一定范围影响稳定性和合成效率或者要求序列包含某个必需的茎环结构框架。4.3 循环迭代的优化策略如何设置迭代节奏和评估标准以最高效地达到目标轮次间文库设计下一轮文库是全部由AI设计还是混合一部分上一轮的优胜序列通常建议采用混合策略保留一部分精英序列“种子”同时加入AI设计的新序列以保证进化路径的连续性并引入创新。停止准则迭代何时停止不能无限循环下去。明确的准则是当筛选到的适配体其亲和力通过独立实验如表面等离子共振或等温滴定量热法验证达到应用要求如KD 1 nM并且连续两轮迭代性能提升不再显著 2倍时可以考虑停止。多目标优化现实中我们往往不仅需要高亲和力还需要高特异性不结合类似物、良好的血清稳定性、易于化学修饰等。可以在GRAPE-LM的训练中引入多任务学习或者在筛选压力中直接加入计数器筛选步骤让AI模型同时学习优化多个属性。5. 应用场景与未来展望这套CRISmersGRAPE-LM的范式其应用绝不局限于筛选几个高亲和力的RNA适配体。它代表了一种通用的“AI增强型定向进化”平台可以拓展到许多激动人心的方向。在治疗性适配体开发中它可以加速针对“不可成药”靶点如转录因子、蛋白-蛋白相互作用界面的核酸药物发现。传统方法耗时数年而这个范式可能将周期缩短到数月。在诊断与生物传感领域可以快速进化出对疾病标志物如外泌体上的特定蛋白、小分子代谢物具有极高灵敏度和特异性的适配体用于开发新一代的液体活检试纸条或可穿戴传感器。更进一步的想象如果将目标从“结合”扩展到“催化”核酶或“调控”核糖开关这个平台就可以用于进化出全新的生物催化剂或基因调控元件为合成生物学提供强大的元件工具箱。当然挑战依然存在。湿实验部分的通量和成本能否进一步降低AI模型对于复杂三维结构-功能关系的理解是否足够深入如何将体内筛选的压力如核酸酶稳定性、细胞摄取效率也整合到循环中这些都是未来需要攻克的问题。从我个人的经验来看这个领域正在从“艺术”走向“工程”。CRISmersGRAPE-LM这类范式正是将生物实验的创造性与AI计算的理性力量相结合的典范。它要求从业者既懂分子生物学的实验细节又能理解机器学习模型的基本原理和数据流程。对于想进入这个交叉领域的朋友我的建议是不要畏惧从一个具体的靶标和小型试点项目开始亲手搭建流程的每一个环节在踩坑和解决问题的过程中你会深刻体会到这种“虚实结合”进化策略的威力与魅力。最终我们或许能像编程一样相对理性地“编写”出具有特定功能的生物分子。