生成式AI新突破！中国科学家开发GRAPE-LM技术，RNA适配体开发迎来新革命 | Nature子刊

核酸适配体（aptamer）由诺奖得主Jack Szostak命名，是一类短的单链DNA（ssDNA）或RNA寡核苷酸，能够折叠形成特定三维结构，并以“结构分子”的方式高亲和力结合蛋白或小分子，从而具备开发成为核酸药物和诊断探针的潜力。然而，适配体发现长期依赖指数富集的配体系统进化技术（SELEX），通常需要多轮、强人工参与的筛选与优化；更关键的是，在体外简化条件下获得的适配体，亲和力和特异性常常不高，限制了其开发成核酸药物和探针的潜力。

中国科学院深圳先进技术研究院合成生物学研究所王宇课题组在既往工作中提出CRISmers（CRISPR/Cas-based aptamers screening system），将适配体筛选从溶液和细胞表面体系推进到细胞内环境，使筛选过程天然包含内源生物学机制，体现了内源折叠构象、相互作用特异性、充分的分子竞争等关键变量，从源头提升生物学相关性。在CRISmers筛选体系中，每个细胞作为一个独立的物理微单元，其作用类似于微流控液滴，能够有效隔离不同分子间的交叉反应，从而显著降低背景噪音。与此同时，该系统以细胞存活等表型变化作为功能性的筛选输出方式，相较于传统的体外亲和力筛选，其功能相关性也同时得到了显著提升。这些工作此前发表于Advanced Science和Advanced Healthcare Materials。

不过，胞内筛选不可避免面临“递送与细胞数量”带来的通量上限：以CRISmers为代表的胞内筛选体系，文库规模受转染/递送效率与细胞摄入能力限制，可能错过大量潜在有效序列。也正是在这一瓶颈处，AI驱动的“数字进化”开始展现决定性价值。

2月6日，最新发表在Nature Biotechnology杂志上的一项工作中，王宇团队进一步提出GRAPE-LM（Generator of RNA Aptamers Powered by activity-guided Evolution and Language Model），将“胞内筛选数据”与“核酸语言模型”耦合为一条端到端的一轮式高效进化路径：模型以Transformer条件自编码器为骨架，融合核酸语言模型，并由CRISmers在胞内环境产生的筛选数据提供“活性引导”，实现RNA适配体的一轮进化与生成。在GRAPE-LM中，活性引导机制将模型推向更高活性的方向，预训练核酸语言模型用于提出合理的高质量候选序列。该框架在三类跨度显著的靶标上完成验证：人T细胞受体CD3ε、SARS-CoV-2刺突蛋白RBD，以及人源致癌转录因子c-Myc（胞内无序蛋白）。

更重要的是，GRAPE-LM将“实验进化”从传统的多轮循环，重构为“物理进化+数字优化”的两阶段：第一阶段由CRISmers在细胞内完成一轮筛选，第二阶段由语言模型在更大序列空间中进行数字化优化与外推；在三类靶标上，仅用“一轮”即可获得优于既往SELEX 6–16轮所得到的适配体的先导序列。这种效率跃迁也体现在起始文库需求上： CRISmers+GRAPE-LM路线可在约10^8规模的起始文库上工作，而经典SELEX常需要10^14–10^16量级；换言之，前者仅需后者约百万分之一到亿分之一的初始文库规模。

在CRISmers+GRAPE-LM的新范式中，CRISPR脱离了基因编辑的框架，在这里扮演的是“高保真胞内RNA数据发动机”，捕获SELEX等体外方法难以复现的胞内内源生物学机制；而GRAPE-LM则通过外推有限起始文库，补足CRISmers通量受限的短板，并且引导生成更高活性RNA适配体。

这一工作仅仅将CRISmers和GRAPE-LM两个工具使用一次。面向未来，多轮迭代有望进一步提升分子质量和成药性。此外，GRAPE-LM仅仅应用了语言模型，物理模型的加入有望实现生成能力的进一步加强。该技术路线也已成功用于多肽分子的高效发现，并与某知名药企合作开展药物开发（未发表结果）。

在与王宇的通讯中，领域开创者Jack Szostak评价CRISmers和GRAPE-LM的工作“非常有创造性，令人印象深刻”（“very creative and impressive”）。在论文审稿过程中，审稿人评价该工作“超级创新”（“super innovative”），并被编辑团队选为亮点论文，邀请作者发表Research Briefing介绍论文成果和研究历程。

- 上下滑动查看参考资料 -

[1]Z. Du, X. Q. Wu, Y. Dang, Q. Wu, T. Fu, L. He, X. Q. Wang, S. Mou, X. H. Fang, F. L. Qu, W. H. Tan, Molecular bioengineering of functional nucleic acids. Nat Rev Bioeng, (2025). https://doi.org/10.1038/s44222-025-00361-y

[2]A. D. Ellington, J. W. Szostak, In vitro Selection of RNA Molecules That Bind Specific Ligands. Nature 346, 818-822 (1990). doi: 10.1038/346818a0.

[3]C. Tuerk, L. Gold, Systematic Evolution of Ligands by Exponential Enrichment - RNA Ligands to Bacteriophage-T4 DNA-Polymerase. Science 249, 505-510 (1990). doi: 10.1126/science.2200121.

[4]J. Zhang, A. R. Zhu, M. Mei, J. Qu, Y. L. Huang, Y. S. Shi, M. Y. Xue, J. F. Zhang, R. L. Zhang, B. Zhou, X. Tan, J. C. Zhao, Y. Wang, Repurposing CRISPR/Cas to Discover SARS-CoV-2 Detecting and Neutralizing Aptamers. Adv Sci 10, e2300656 (2023). doi: 10.1002/advs.202300656.

[5]J. Zhang, A. R. Zhu, S. X. Wei, Y. S. Shi, C. J. Chen, T. Huang, T. Tang, J. X. Zhao, Y. S. Cai, C. S. Han, J. C. Zhao, Y. Wang, Identification of Pan-Coronavirus Neutralizing Aptamers Through CRISmers Targeting the Conserved Fusion Peptide. Adv Healthc Mater 14, e2501869 (2025). doi: 10.1002/adhm.202501869.

[6]J. Zhang, J. Zhang, S. X. Tang, C. C. Liu, Y. S. Cai, H. Zeng, X. J. Meng, B. Liu, Y. Zhang, Y. Wang, Single-round evolution of RNA aptamers with GRAPE-LM. Nat Biotechnol, (2026). doi: 10.1038/s41587-026-03007-5

[7]J. Zhang, Y. Zhang, Y. Wang, Generative AI powered by nucleic acid language model enables one-round evolution of RNA aptamers. Nat Biotechnol, (2026). doi: 10.1038/s41587-026-03008-4

《前沿π》栏目

医药魔方Pro

洞察全球生物医药前沿趋势

赋能中国创新前沿成果转化

媒体合作：15921184171

Copyright © 2026 PHARMCUBE. All Rights Reserved.免责申明：本微信文章中的信息仅供一般参考之用，不可直接作为决策内容，医药魔方不对任何主体因使用本文内容而导致的任何损失承担责任。