基因編輯技術問世二十餘年後，首批基於該技術的療法已開始進入臨床。然而，安全性始終是這些療法面臨的核心挑戰。儘管現有系統能夠高度特異性地靶向目標基因，但人類基因組規模龐大，即使是罕見的 DNA 序列也可能偶然出現多次，導致所謂的脫靶效應——即編輯了錯誤的基因序列。雖然單次編輯中脫靶機率較低，但治療通常需要編輯大量細胞，錯誤因此幾乎不可避免。

為降低這一風險，研究人員投入了大量精力。在最新一期《自然》雜誌上，一支研究團隊報告了一種創新方法：他們利用谷歌開發的AlphaFold——一種能夠高精度預測蛋白質三維結構的人工智慧系統——來識別基因編輯蛋白中負責脫靶效應的關鍵區域。通過分析這些蛋白的結構，團隊鎖定了導致錯誤編輯的特定部位，並對其進行改造，從而顯著減少了脫靶事件的發生。

這項工作的意義在於，它並非從零開始設計新蛋白，而是藉助 AI 對現有蛋白進行精準最佳化。AlphaFold 此前已在基礎生物學領域展現巨大潛力，此次應用則將其推向了直接服務於醫療安全的工程化場景。研究人員表示，該方法有望推廣至多種基因編輯系統，包括基於 CRISPR 的技術，幫助開發出更安全、更可靠的基因治療工具。

對於基因編輯產業而言，脫靶效應是制約其從實驗室走向大規模臨床應用的關鍵瓶頸之一。任何能夠降低這一風險的技術突破，都可能加速相關療法的審批程序，並擴大其適應症範圍。同時，這也為 AI 在生物醫藥領域的應用提供了一個典型範例——從預測結構到指導改造，AI 正從輔助工具轉變為研發流程中的核心環節。

值得注意的是，該研究仍處於早期階段，改造後的蛋白需要在更廣泛的細胞型別和動物模型中進行驗證。但 AlphaFold 的介入，無疑為基因編輯的安全性最佳化開闢了一條可複用的技術路線，有望推動整個行業向更精準、更安全的方向演進。