北大等提出ContactSeek，用AF3接触概率增强基因编辑特异性
新AI框架ContactSeek利用AlphaFold3的接触概率数据，准确识别基因编辑器中影响特异性的关键残基，有效减少脱靶。
北京大学等团队开发了AI框架ContactSeek，利用AlphaFold3预测的接触概率（即蛋白质与DNA/RNA各位置发生相互作用的可能性）来识别基因组编辑器中的关键残基，从而提升其特异性。实验显示成功率约56.5%，并推广至Cas12a系统，显著降低脱靶效应。
正文摘录
.jpg) 编辑丨coisini 在生物化学转化中，实现高特异性对于研究和治疗都至关重要。尤其是对于基因组编辑，提高工具的特异性可确保有效且精确的编辑效果。为实现这一目标，人们采用了理性设计和定向进化策略。 然而，结构引导的理性设计依赖于经验性的人工专业知识，成功率低，且常受制于活性与特异性之间的权衡。定向进化则需要复杂的回路设计和平台实现，并且可能陷入局部最优解。 最近，来自北京大学、华东师范大学等的研究团队提出了一种专为特异性改进而设计的 AI 框架 ——ContactSeek，利用 AlphaFold3（AF3）预测的接触概率（CP）来提高基因组编辑器的特异性。研究论文以《Precise DNA base editing using AlphaFold3-based contact modelling》为题发表于《Nature》。