中国科学院遗传与发育生物学研究所高彩霞研究组开创性地运用AI辅助结构预测，建立起基于三级结构的蛋白聚类方法，并扩展为全新的脱氨酶挖掘体系，开发了一系列具有中国自主知识产权的新型碱基编辑工具。该工作为蛋白功能分析、新功能元件挖掘提供了全新策略。新研发的碱基编辑系统具有我国自主知识产权的精准基因编辑技术（已申请PCT发明专利）。相关研究成果发表在《细胞》上。

蛋白质是生命活动的主要承担者。对蛋白质进行功能聚类，是探索其参与的生理过程、设计新型蛋白质等的重要手段。现有的方法主要基于氨基酸一级序列的相似性对蛋白质进行聚类分析，并以此推断其功能和演化关系。然而，蛋白质功能由其三维空间结构决定，开发基于三维结构的高通量蛋白质聚类方法，将为蛋白质功能研究提供更直接、可靠的手段，并推动未知蛋白质的功能挖掘。

碱基编辑系统可以实现单核苷酸精度的DNA或RNA精准编辑，是基因功能研究、疾病治疗、生物育种的变革性技术。然而，现有碱基编辑系统的核心元件脱氨酶来源于单一家族，导致碱基编辑仍有诸多局限，编辑尚难以满足多元化的应用需求。因此，创新地挖掘新型脱氨酶，开发适用于不同应用场景的新型碱基编辑工具显得尤为重要。

为解决上述问题，高彩霞研究组创新性地运用AI辅助的大规模蛋白结构预测，建立起全新的基于三级结构的高通量蛋白聚类方法，实现了脱氨酶功能结构的深入挖掘，鉴定到完全区别于已知脱氨工具酶的全新底盘元件，并开发了一系列具有我国自主知识产权的新型碱基编辑工具。

研究人员通过蛋白质结构预测模型AlphaFold2对具有代表性的脱氨功能序列进行批量三维结构预测，进一步创新性地开展了基于三维结构的蛋白质多重比对与聚类，将潜在的脱氨酶划分为20个不同的分支。除已报道的APOBEC/AID胞嘧啶脱氨酶外，研究检测到5个结构、序列全新的具有活性的胞嘧啶脱氨酶分支。在这些分支中，研究对具有类DddA（Double-stranded DNA deaminase toxin A-like）脱氨结构域的蛋白进行进一步结构聚类和功能验证发现，除以前推测的具有双链DNA脱氨活性的蛋白外，该分支还包含了大量只具有单链DNA脱氨活性的蛋白，这颠覆了之前对该类蛋白功能的认知。上述研究表明，当蛋白集合的序列同源性较低且功能多样时，相比于传统的基于氨基酸一级序列的聚类方法，通过AI辅助的蛋白质结构聚类能够得到更准确的结果。因此，该方法为蛋白质功能分析和挖掘提供了高效、可靠的新策略。

科研人员基于上述进一步聚类的结果，全新鉴定到45个单链胞嘧啶脱氨酶（Sdd）和13个双链胞嘧啶脱氨酶（Ddd）。这些脱氨酶是目前唯一全部来自于原核生物（细菌）的脱氨酶，而现有APOBEC/AID脱氨酶家族成员均来自真核生物（主要包括人、哺乳动物或鱼类）。研究人员基于这些脱氨酶开发了一系列新型碱基编辑系统，并在动、植物细胞中进行测试。结果表明，新开发的基于Ddd1和Ddd9脱氨酶的双链碱基编辑系统克服了常规编辑器对GC序列编辑效率明显降低的缺陷；基于Sdd7和Sdd3的单链碱基编辑系统展现出了非常高的编辑活性，在GC序列同样具有可观的碱基编辑能力；基于Sdd6的单链碱基编辑系统则展现出了极高的特异性，几乎检测不到脱靶事件。研究进一步通过蛋白理性设计和功能验证，开发了新型的可被单个腺相关病毒（AAV）包被的Sdd6-CBE碱基编辑器，在小鼠细胞系中获得高达43.1%的编辑效率，解决了常规碱基编辑器过大而无法被腺病毒颗包被递送的难题。此外，针对大豆中长期存在碱基编辑效率低下的问题，该团队新开发了Sdd7-CBE系统，在154株大豆阳性苗中获得了34株稳定编辑的植株，编辑效率高达22.1%。该研究突破了现有脱氨酶的应用瓶颈，展现出新型碱基编辑系统在医学和农业方面的广阔应用前景。

研究工作得到国家自然科学基金、国家重点研发计划和中国科学院战略性先导科技专项等的支持。

基于AI辅助的蛋白结构聚类挖掘脱氨酶并开发具有新特性的碱基编辑系统