AlphaFold3结构建模指导碱基编辑器优化，减少脱靶编辑
用AlphaFold3的结构预测数据指导碱基编辑器设计，从经验试错转向结构驱动，显著降低脱靶编辑。
碱基编辑器（精准修改DNA单个碱基的工具）常因误改其他位点而受限。北大等团队利用AlphaFold3（AI结构预测模型）的中间信息开发ContactSeek框架，识别影响精准度的关键残基，设计出高精度编辑器ABE8e-DD，在保持效率的同时显著降低脱靶。
正文摘录
.jpg) 编辑丨 碱基编辑器（BE）的价值，在于它能把一个碱基改成另一个碱基，而尽量不碰到别的位置。问题也正出在这里：编辑越强，往往越容易把不该改的位点一起改了。 这是基因编辑领域一个令人沮丧的现实。BE 在基因组其他位点引发的「意外编辑」——sgRNA 依赖的 DNA 脱靶、sgRNA 非依赖的 DNA 脱靶、以及 RNA 脱靶——始终是临床应用的最大障碍。 2026 年 7 月 22 日，北京大学、北京师范大学等团队给出了一个出人意料的答案：问题不在于 AF3 画得不够准，而在于研究者一直以来都只看结果，而忽略了它思考过程中留下的更丰富信息。相关研究以「 Precise DNA base editing using AlphaFold3-based contact modelling 」为题发布于《 Nature 》。  论文链接： https://www.nature.com/articles/s41586-026-10794-z 当结构沉默时，脱靶在说什么 过去，由于缺乏高质量的三维复合物结构信息，研究人员很难回答一个关键问题： 哪些氨基酸残基真正决定了编辑器的精准性？