北京大学生命科学学院联合华东师范大学生命科学学院科研团队，在基因编辑领域取得重要突破。研究团队基于AlphaFold3开发的AI框架ContactSeek，通过整合接触概率预测与高通量测序数据，成功提升了碱基编辑工具的精准性，相关成果发表于国际顶级学术期刊《自然》。
该研究聚焦于基因编辑领域长期存在的核心矛盾——如何在保持高编辑活性的同时降低脱靶效应。科研人员创新性地利用AlphaFold3预测蛋白质与核酸复合物的接触概率（CP），发现这一参数能够灵敏捕捉碱基错配或氨基酸突变引发的局部构象变化。尽管AlphaFold3对部分错配碱基的结构预测仍显示正常配对状态，但其输出的CP矩阵却能清晰反映脱靶位点与在靶位点的互作差异。
研究团队通过对比在靶与脱靶位点的DNA-RNA-蛋白质三元复合物预测结果，发现错配区域的CP值显著下降。这一发现为定位影响编辑特异性的关键氨基酸位点提供了量化依据。科研人员进一步整合CP数据与高通量脱靶编辑信息，构建了ContactSeek框架，该框架可系统解析复合物互作差异，并精准识别决定编辑特异性的核心残基。
基于ContactSeek框架，研究团队对腺嘌呤碱基编辑器（ABE）进行工程化改造，筛选出多个新型Cas9变体。实验数据显示，这些变体在维持高效在靶编辑的同时，DNA脱靶编辑率显著降低。该成果为基因编辑工具的理性设计提供了全新范式，有望推动相关技术在疾病治疗和基础研究中的应用。
AlphaFold3作为DeepMind开发的人工智能模型，原本主要用于蛋白质三维结构预测，其更新版本已扩展至分析蛋白质与核酸、多分子复合物的相互作用。本研究创造性地将其接触概率预测功能应用于基因编辑领域，拓展了该模型的应用边界。
科研人员指出，ContactSeek框架的构建依赖于对CP参数的深度挖掘。通过建立CP变化与编辑特异性的量化关系，该框架实现了从分子互作层面解析脱靶机制的目标。这项突破不仅解决了碱基编辑器精准性优化的关键难题，也为其他基因编辑技术的改进提供了可借鉴的技术路径。
