中国科学家们发布了ContactSeek，这是一个新颖的AI框架，它利用AlphaFold3的接触概率来以前所未有的精度彻底改变基因编辑工具的设计。
这项发表在《Nature》上的研究为预测对工程化高度特异性和功能性生物仪器至关重要的分子相互作用树立了新标准。这一进展通过在实验室合成之前提供结构亲和力的定量度量，直接解决了优化CRISPR系统及相关核酸酶的长期挑战。
通过预测模型实现精确工程
ContactSeek的工作原理是整合AlphaFold3——一个里程碑式的蛋白质结构预测系统的复杂接触概率预测。该框架不依赖于单纯的序列同源性或广义的结合亲和力，而是对特定残基在靶点复合物内相互作用的物理可能性进行建模。这种原子级别的细节使研究人员能够设计出与目标基因组位点以最小脱靶效应相互作用的基因编辑元件。
其战略意义在于将基因编辑工具的开发从经验性的试错过程，转向高度可预测的理性设计方法。通过量化关键分子接触（即“接触概率”）的可能性，科学家可以微调引导RNA序列和相关的蛋白质结构域，以实现卓越的靶向活性，同时大幅减少基因组其他位置的意外编辑。
该框架专门解决了先前计算方法中固有的局限性，这些方法通常将结合相互作用过于宽泛地对待。ContactSeek提供了一个潜在分子伙伴关系的精细图谱，使工程师能够选择在复杂生物环境中热力学和结构上预先倾向于最佳发挥功能的元件。
研究人员证明了该方法在多个具有挑战性的基因编辑应用中的有效性，与传统设计的对应物相比，其特异性评分和功能产率均有显著提高。这种能力加速了针对单核苷酸多态性或更大基因组位点的下一代治疗剂的临床前开发流程。
对生物技术部署的影响
ContactSeek的开发标志着合成生物学的一个重大转折点，它提供了一个强大的计算工具，将结构预测与功能设计联系起来。在这一层面上预测相互作用概率的能力，极大地减少了生物实验室中高通量筛选所需的时间和成本。
对于生物技术领域，特别是专注于基因治疗和农业改良的领域来说，ContactSeek提供了一条可扩展、可靠的工程化途径。公司现在可以计算地迭代数千种潜在的分子设计，在投入湿实验验证资源之前就验证其结构可行性。
其底层方法依赖于从AlphaFold3的高维输出中提取有意义的物理约束。这一转变代表了深度学习在分子生物学中的成熟应用——超越单纯的折叠预测，实现了功能界面几何形状的精确预测。该框架本身专为计算效率而设计，使其可集成到工业设计流程中。
