Cell | 人工智能时代！-AI设计MLH1小分子结合蛋白提升引导编辑（prime editing）效率

撰文 |木兰之枻

引导编辑（prime e diting ，PE）是新一代精准基因编辑系统，该系统将C RISPR/C as 9 系统与工程化逆转录酶M MLV 有机融合，通过 PE 向导R NA （peg RN As）引导，可实现任意碱基间的自由替换，以及目标位点碱基或小片段的精准插入与删除【1】（ 详见BioArt报 道： ）。鉴于致病遗传变异多源于碱基点突变及小片段插入缺失【2】，P E 编辑在临床基因治疗转化研究展现出巨大潜力，并已在动物模型中成功应用于儿童交替性偏瘫的治疗探索（ 详见BioArt报道： ）【3】。然而，早期开发的P E 工具存在编辑效率偏低且影响因素不明的问题，极大的限制了其应用。为提升整体编辑效率，研究者通过蛋白定向进化等策略对包括pegRNAs和逆转录酶在内的各组分进行了系统性改造并取得显著成效【4，5】（ 详见BioArt报道： 。此 外，高通量筛选研究发现，抑制DNA错配修复（MMR）通路可有效增强P E 编辑效率，其中M MR 通路关键因子M LH1 的显性负性突变体（M LH1 dn）效果尤为突出【6】（ 详见BioArt报道： ）。 尽管如此，P E 编辑效率仍有改进空间，研究者正持续探索新的技术策略，以期进一步提升其编辑效能。

2025年8月5 日，韩国首尔国立大学医学院 Sangsu Bae 实验室在 C ell 杂志上发表了题为 AI-generated MLH1 small binder improves prime editing efficiency 的论文 。 文章针对阻碍P E 编辑效率的DNA错配修复（MMR）通路，利用生成式AI工具（RFdiffusion和AlphaFold 3）设计出可靶向结合MLH1-PMS2蛋白互作界面的小分子蛋白MLH1-SB。随后的细胞及小鼠体内基因编辑研究证实，该蛋白能显著提升P E 系统的精准编辑效率，为基因编辑技术的开发与优化开辟了新思路。

前期研究表明，细胞内DNA错配修复（MMR）通路是限制PE编辑效率的关键因素之一：错配识别因子Mut S 可募集Mut Lα 复合物最终导致P E 效率降低。为抑制M MR 通路以提升P E 效率，研究者首先采用Alpha F old 3 预测了Mut Lα 复合物中MLH1-PMS2的蛋白互作界面; 随后借助生成式A I 工具R F diffusion，设计出靶向该界面的小分子蛋白MLH1-SB，旨在破坏Mut Lα 复合物的形成。

为设计更有效的结合蛋白，研究者突破传统单一靶点策略，针对M LH1-PMS2 互作界面的三个关键位点进行设计：主位点（Main binding，W 538 ，Q 542 ），Mut Lα 核酸酶活性功能域的关键活性位点（critical activity， Y 750 ）以及非竞争性锚定位点（additional binding，M 682 ）。据此设计出同时靶向主位点和关键活性位点的小分子蛋白1 978 种（M C 型），以及同时靶向上述三个位点的小分子蛋白8 21 种（M CA 型）。

研究者基于三种指标p LDDT ，interaction pAE 以及R MSD 对上述蛋白进行初筛，再结合Alpha F old 3 竞争性模拟策略进行深度筛选，最终鉴定出2 0 种M C 型和2 3 种M CA 型候选蛋白。后续实验验证显示，MC型蛋白中仅有1种能有效提升PE2编辑效率，而MCA型蛋白中多达9种表现出显著提升效果，表明多靶点策略更具优势。研究者从中选择了体积最小且提升效果排名第二的MCA23蛋白（MLH1-SB）进行深入验证。

结果表明， MLH1-SB能有效提升包括PE6和PE7在内的多种PE系统 的编辑 效率，其机制主要是通过结合细胞内源MLH1抑制MMR通路。研究还发现，利用2A自剪切多肽将MLH1-SB与PE工具（如PE7）共表达，同样能显著提升编辑效率（其中PE7-SB2效果尤佳）。PE7-SB2系统不仅能高效实现任意碱基替换，还能 更高效的 介导靶位点长度小于12bp片段的插入与删除。此外，引入ngRNA可进一步提升靶位点的编辑效率。

PE7-SB2在多种细胞类型（如hiPSCs、HeLa和HEK293细胞）中均展现出高效编辑能力。脱靶分析表明，MLH1-SB组分并未显著增加脱靶风险，对细胞存活、增殖、转录组及基因组稳定性也无明显影响。最后，小鼠体内实验证实，MLH1-SB同样能有效提升在体编辑效率，且未观察到明显安全性问题。

综上所述，本研究聚焦于DNA错配修复通路（MMR）对引导编辑（PE）效率的限制机制，通过整合生成式AI工具（RFdiffusion和AlphaFold 3），设计出抑制M MR 通路的小分子结合蛋白M LH1-SB ，实现了P E 系统的有效优化。该工作凸显了人工智能对基因编辑技术开发的革新性推动作用，所开发的新工具也为未来的临床转化提供了更多选择。

https://doi.org/10.1016/j.cell.2025.07.010

制版人： 十一

参考文献

1. Anzalone, A. V. et al. Search-and-replace genome editing without double-strand breaks or donor DNA.Nature576 , 149–157 (2019).

2. Rees, H.A. & Liu, D.R. Base editing: precision chemistry on the genome and transcriptome of living cells.Nat Rev Genet(2018).

3. Sousa, Alexander A. et al. In vivo prime editing rescues alternating hemiplegia of childhood in mice .Cell(2025).

4. Nelson, J.W. et al. Engineered pegRNAs that improve prime editing efficiency.Nat. Biotechnol.(2021).

5. Doman, J.L. et al. Phage-assisted evolution and protein engineering yield compact, efficient prime editors.Cell186 , 3983–4002. (2023).

6. Chen, P.J. et al. Enhanced prime editing systems by manipulating cellular determinants of editing outcomes.Cell184, 5635–5652. (2021).

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【原创文章】BioArt原创文章，欢迎个人转发分享，未经允许禁止转载，所刊登的所有作品的著作权均为BioArt所拥有。BioArt保留所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！