如果AlphaFold3能告诉你的关于蛋白质-DNA复合物最有用的信息，不是每个原子的位置，而是每对原子接触的可能性有多大，会怎样？
正是这个问题驱动华东师范大学和北京大学的研究团队构建了ContactSeek。这一计算框架今天发表在《自然》杂志上，它利用AlphaFold3的接触概率输出来显著提升DNA碱基编辑器的特异性。研究结果推翻了一个在蛋白质工程中广泛认可的假设：了解复合物的精确三维结构是理解和改进其功能的最佳途径。相反，研究团队发现，AlphaFold3的次级预测——复合物中每个残基与每个核苷酸之间的成对接触概率矩阵——捕捉到了预测的三维结构完全遗漏的相互作用差异。
不够用的结构
接触概率（CP）是AlphaFold3中的一个信息侧通道。在熟悉的.cif文件中包含的原子坐标之外，每次AF3运行都会生成一个`_confidences.json`文件，其中包含输入中每个标记对的0到1之间的值矩阵。Cas9残基K1020与特定DNA核苷酸之间的0.95值意味着AF3有95%的置信度认为这两个部分处于接触状态。这是一个系综量：它反映了AlphaFold3扩散采样运行间整个分布的情况，而非任何单一折叠状态。
第一作者Haowei Meng及其同事首先使用一种称为dI谱分析的方法，绘制了腺嘌呤碱基编辑器（ABE）的全基因组脱靶谱，生成了Cas9-TadA8e编辑器在多个向导RNA下的脱靶DNA位点综合目录。然后，他们将那些脱靶DNA序列连同对应的靶向序列一起输入AlphaFold3，生成了数千个Cas9、单向导RNA和靶DNA的预测三元复合物。
当研究人员比较三维结构偏差（以均方根偏差RMSD衡量）与CP变化在区分靶向复合物与脱靶复合物方面的表现时，结果毫不含糊：CP在系统上更为敏感。靶向和脱靶复合物之间的RMSD变化往往小到无法可靠解析——这些亚埃级偏移落在预测的噪声范围之内。相比之下，CP变化显示出清晰、局部的差异，直接映射到Cas9的已知功能结构域。即使整体三维结构看起来基本未变，特定间隔区位置上的单核苷酸错配也会在与DNA-RNA杂合链该区域接触的Cas9残基中产生特征性的CP变化标记。
这在物理上是合理的。蛋白质-DNA-RNA复合物是动态组装体，会采样多种构象状态。静态结构捕捉的是一个快照，而接触概率编码的是系综：特定界面形成的频率、其稳定性以及它对序列扰动的响应方式。脱靶DNA序列可能不会大幅改变侧链的位置，但它可以显著降低该侧链形成稳定化接触的概率——这是单一结构无法揭示、但CP矩阵可以捕捉的差异。
ContactSeek流程
基于这一洞见，研究团队构建了ContactSeek，这是一个模块化计算框架，能将CP矩阵转化为可行的工程靶点。该流程分三个阶段运作。
首先，对于每个脱靶DNA序列，ContactSeek计算一个delta-CP矩阵：脱靶CP矩阵与靶向CP矩阵的差值。这些delta-CP值捕捉了当DNA序列偏离预期目标时，哪些残基-核苷酸接触会减弱或增强。
其次，它识别一致性接触区域（CCR）。这些是Cas9蛋白中相邻残基的连续延伸区域，其接触概率在脱靶序列集合中以相关方式变化。CCR本质上是一个蛋白质结构域，其与核酸的相互作用因脱靶结合而受到集体性扰动，使其成为有希望的工程改造位点。
第三，ContactSeek通过一个称为接触增强相关性（contact enhancement correlation）的指标对每个CCR内的残基进行排序——本质上，衡量一个残基的CP变化与通过测序测量的实验性脱靶编辑信号之间的关联紧密程度。接触概率变化与脱靶编辑率强相关的残基最可能是特异性决定因子。
从计算到更好的编辑器
研究团队将ContactSeek应用于广泛使用的ABE8e腺嘌呤碱基编辑器，该编辑器将催化增强型TadA8e脱氨酶与Cas9切口酶融合。ContactSeek提名了两个关键的特异性决定残基：Cas9 REC2结构域中的K1020和TadA8e脱氨酶本身的H29。
K1020D是Cas9中的首选突变。Cas9残基K1020位于非靶DNA链附近REC2结构域的一个环中，当分析脱靶序列时，其与DNA的接触概率变化几乎超过任何其他残基。分子动力学模拟证实，K1020D置换会微妙地重新定位该环，减少其与非靶链的接触，从而以不成比例的方式惩罚脱靶结合，同时基本保留靶向相互作用。
在脱氨酶方面，ContactSeek将TadA8e H29D确定为最有效的特异性增强突变。H29位于TadA8e活性位点口袋附近，其与RNA向导和DNA底物的接触概率在脱靶序列中系统性变化。H29D置换减少了脱氨酶与不完全定位底物的混杂性结合。
组合变体——ABE8e-DD（Cas9 K1020D + TadA8e H29D）——产生了显著结果。全基因组脱靶谱分析显示，与亲本ABE8e相比，ABE8e-DD在多个向导RNA下减少了98-99%的总脱靶编辑，同时保持了靶向编辑效率。在与几种已知高保真度ABE变体（ABE8e-V28C、ABE8e-V106W、ABE8e-N108Q）的头对头比较中，ABE8e-DD在靶向扩增子测序、全基因组dI谱分析和正交R-loop检测等各项指标上均实现了更优的特异性。
超越腺嘌呤编辑器
ContactSeek不限于ABE。研究团队通过将该框架应用于一个完全不同的系统——基于LbCas12a的胞嘧啶碱基编辑器（CBE）——证明了其模块化性。Cas12a是一种独特的CRISPR效应器，具有不同的向导RNA结构和DNA切割机制。将Cas12a-APOBEC3A CBE的脱靶序列输入相同的流程，鉴定出Cas12a R284E和APOBEC3A H29D为特异性决定残基。由此产生的变体显示出大幅降低的脱靶编辑活性，证实ContactSeek可推广至整个CRISPR效应器家族。
该框架在减少RNA脱靶编辑方面也被证明是有效的。碱基编辑器，特别是使用TadA8e和APOBEC3A脱氨酶的编辑器，可能会混杂性地编辑RNA转录本，在转录组中引起意外的A-to-I或C-to-U变化。ContactSeek将其方法调整为针对RNA脱靶，将全转录组的RNA编辑位点分类为高、中、低活性组，计算组间的delta-CP，并鉴定脱氨酶中与RNA脱靶活性相关的CCR。由此产生的TadA8e H29D突变在不牺牲DNA靶向活性的同时，减少了RNA脱靶编辑。
特异性工程的新范式
ContactSeek的更广泛意义超越了碱基编辑。多年来，蛋白质工程师一直依赖结构信息——晶体结构、冷冻电镜图谱以及最近的AlphaFold2预测结构——来指导理性设计。隐含的假设是，更高的结构分辨率总能带来更好的工程见解。ContactSeek挑战了这一假设，它表明接触概率（一种统计系综属性）在执行依赖于动态分子识别的任务时可以超越静态结构。
这一点对基因组编辑尤其重要。特异性活性与混杂性活性的区别往往取决于蛋白质-DNA复合物如何响应错配、凸起及其他与完美目标的偏差。晶体结构展示的是理想状态。接触概率展示的是当底物不完美时系统的行为方式——对于特异性工程而言，这正是关键所在。
该方法在实验上也非常高效。改进碱基编辑器特异性的传统策略依赖于大规模诱变筛选、定向进化或一次一个突变的结构引导理性设计。ContactSeek只需要脱靶测序数据（日益常规化）和AF3预测（迅速变得可负担）。它将搜索空间从数千种可能的突变缩小到单次计算通过中的少量高可信度候选者。
ContactSeek的代码和数据已在GitHub和Zenodo上开源发布，为AI驱动的接触分析如何加速开发更安全的基因组编辑工具提供了范本。随着该领域走向碱基编辑的治疗应用，系统性消除脱靶活性同时保持靶向效力的能力将至关重要。ContactSeek表明，前进的道路可能不需要更清晰的结构快照，而是需要将目光转向概率本身。
婷 翻译