Science | 生命的底層代碼能否被精簡？AI重寫基因組挑戰19種氨基酸極限

引言

地球上所有已知的獨立生存的有機體，其蛋白質的構建都依賴于一套由20種標準氨基酸 (canonical amino acids, cAAs) 組成的通用“字母表”。自最后共同祖先 (Last Universal Common Ancestor, LUCA) 在演化史上確立了這一規則后，這套底層生命代碼便再未發生過實質性的縮減。

這引發了一個觸及生命本質的疑問：一個活細胞的運轉，真的絕對需要這20種氨基酸嗎？我們能否人為剝離其中的某一種，用19種氨基酸創造出一個能夠自由生存的合成生命？4月30日，《Science》的研究報道“Toward life with a 19–amino acid alphabet through generative artificial intelligence design”，研究人員巧妙地結合了蛋白質生成式人工智能 (Generative AI) 與合成生物學，成功將大腸桿菌核心機器——核糖體中的某一種氨基酸徹底剔除，并維持了細胞的存活與演化穩定性。這一突破不僅挑戰了生命構建的傳統邊界，更揭示了早期生命演化中隱藏的生化約束。
尋找那塊可以被安全抽走的“積木”

如果要從構成生命的20種標準氨基酸中剔除一種，哪一種是最合適的候選者？

研究人員首先將目光投向了演化序列保守性。通過對大腸桿菌蛋白及其同源物進行多序列比對 (Multiple Sequence Alignment, MSA) 分析，他們計算了20種氨基酸的全局保守性得分。結果顯示，半胱氨酸 (Cys)、甘氨酸 (Gly) 和色氨酸 (Trp) 的保守性最高，它們往往在二硫鍵形成、結構柔性或疏水相互作用中扮演不可替代的角色。相反，異亮氨酸 (Isoleucine, Ile)、纈氨酸 (Valine, Val) 和谷氨酰胺 (Glutamine, Gln) 則是最不保守的氨基酸。

異亮氨酸 (Ile) 尤其引起了關注。作為一種支鏈氨基酸 (branched-chain amino acids, BCAAs)，它與纈氨酸 (Val) 和亮氨酸 (Leu) 在生化特性和空間位阻上具有高度重疊，且通常深埋在蛋白質的疏水核心區，較少直接參與酶的催化活性中心。

更關鍵的是細胞的能量賬本。合成一個異亮氨酸分子大約需要消耗 32.3個磷酸鹽當量，而合成一個纈氨酸僅需約 23.3個。這意味著，如果能將異亮氨酸全局替換為纈氨酸，細胞將獲得顯著的能量代謝優勢。在大腸桿菌的全基因組中，異亮氨酸的替換涉及超過81000個位點，其中必需蛋白中含有超過7500個異亮氨酸。

為了驗證這一假設，研究人員最初采取了最直接的全局替換策略。他們選取了39個大腸桿菌的必需或高表達基因，嘗試將其中的異亮氨酸全部直接突變為纈氨酸 (I-to-V) 或亮氨酸 (I-to-L)。然而，自然界的冗余度并沒有想象中那么寬容。在這39個基因中，僅有17個（約43%）在完全替換后能夠維持細胞的存活與功能。例如，負責脂質生物合成的必需酰基轉移酶LpxD，其全部36個I-to-V替換均被完美容忍；但在必需的tRNA甲基轉移酶TrmD中，I-to-V替換表現正常，而I-to-L替換卻導致細胞相對適應度大幅下降至0.50。超過一半的必需基因在簡單的“一刀切”替換下徹底失活，產生致死表型。

顯然，生命網絡中存在著錯綜復雜的空間結構與相互作用，簡單的全局氨基酸替換遠不足以應對這些微觀層面的物理與化學沖突。

蛋白質大語言模型接管生命的重寫權限

當人類的直覺和簡單的生化規則失效時，深度學習模型展現出了降維打擊的能力。為了突破直接替換的瓶頸，研究人員引入了多模態的深度學習大模型，試圖在序列和空間的三維尺度上尋找那些非直覺的替代方案。

這類工具被統稱為蛋白質大語言模型 (protein language models, pLMs) 及基于結構的生成模型。它們包括：

ESM2：通過學習海量蛋白質序列的上下文，掌握氨基酸組合的統計規律。

MSA Transformer (MSATr)：引入了演化信息，不僅看單一序列，還從整個細菌界目標基因的同源物中提取演化線索。

ProteinMPNN：基于蛋白質三維結構進行逆向折疊設計，能夠在給定骨架結構下預測最合理的氨基酸序列。

AfDesign：結合了AlphaFold2的結構預測能力，通過梯度反向傳播直接優化序列，使其折疊成目標結構。

當研究人員用這些模型分析靶標蛋白質時發現，ESM2和ProteinMPNN給出的替換方案往往存在巨大的KL散度 (Kullback-Leibler divergence)。這表明基于序列演化的模型和基于三維物理結構的模型探索了截然不同的氨基酸序列空間，且它們給出的設計方案與自然界存在的背景序列大相徑庭。模型并沒有簡單地照搬自然界已有的變體，而是創造了全新的解決方案。

以大腸桿菌最核心的分子機器——核糖體為例，挑戰變得異常艱巨。核糖體由52個必需的蛋白質亞基和3種核糖體RNA構成，其中50個蛋白質亞基共包含了382個異亮氨酸殘基。

在首輪的基線I-to-V測試中，50個核糖體基因中僅有18個能被成功替換并維持正常功能（相對適應度大于0.9）。面對剩余32個失效或存在嚴重缺陷的基因，AI模型正式接管了設計工作。

研究人員采用了一種名為“設計-構建-測試” (Design-Build-Test, DBT) 的迭代框架。他們遮蔽 (mask) 了序列中的異亮氨酸位點，讓模型預測新的氨基酸。驚人的是，盡管I-to-V和I-to-L依然是最常見的預測，但模型時常會給出高度違背人類直覺的答案。演化模型 (ESM2, MSATr) 更傾向于選擇極性氨基酸或支鏈氨基酸，而結構主導的模型 (ProteinMPNN, AfDesign) 則大量引入了在生化性質上相差甚遠的精氨酸 (Arginine, Arg) 等。

例如，在核糖體50S亞基蛋白L21 (RplU) 中，結構模型在第74位強烈傾向于選擇精氨酸。在自然界極度龐大的同源序列庫中，僅有3條序列在此位點使用了精氨酸。后續分析揭示了其中的奧秘：如果僅僅考慮單鏈序列，精氨酸出現的概率僅為0.001；當加入單體三維結構信息后，概率上升至0.2；而當把周圍其他蛋白質鏈的空間約束也輸入模型后，該概率躍升至0.4。模型通過強大的結構先驗知識，精準捕捉到了維持跨鏈穩定性的隱藏密碼，提供了演化歷史上極其罕見卻極具潛力的替代方案。

針對最困難的靶點，研究人員進一步釋放了模型的空間感知能力，允許模型不僅突變異亮氨酸，還可以修改以異亮氨酸為中心、半徑在3到7埃 (?) 范圍內的“空間鄰居”氨基酸。在核糖體30S-S10亞基 (RpsJ) 的重構中，為了消化兩個異亮氨酸的移除，模型在一整段連接兩個核糖體亞基的α螺旋上引入了8個額外的補償性突變。經過降維分析，這段由AI重寫出的螺旋序列，其特征不再屬于大腸桿菌，反而與極其遙遠的綠彎菌門 (Chloroflexota) 等類群產生了奇妙的相似性。

跨越基因重疊帶來的生存危機

通過AI的不懈嘗試，核糖體所有50個含異亮氨酸的蛋白質亞基都在單基因水平上被成功重寫并驗證了功能。但單個零件的正常運轉，并不意味著整臺精密儀器組裝后不會散架。為了驗證這些由AI設計的亞基能否協同工作，研究人員迎來了研究中最具挑戰性的一環：將多個設計方案在同一個基因組區域內進行級聯替換。

大腸桿菌的30S核糖體亞基的大部分基因集中在一個連續的10 kb區域，這里緊密排列著分屬兩個操縱子的21個基因。研究人員將這21個去除異亮氨酸的AI設計版本串聯起來合成，試圖一次性替換掉原有的基因組片段（命名為Rb1構建體）。

然而，實驗遭遇了徹底的失敗——沒有任何活細胞存活。這種組合性失敗（上位性效應，epistatic interactions）暗示著亞基之間可能存在沖突。為了找出系統崩潰的斷點，他們采取了分段構建的策略，從3'端開始逐步將設計好的基因加入大腸桿菌中。

從Rb2（包含5個基因，相對適應度0.90）一路推進到Rb5（包含17個基因，相對適應度0.83），系統雖然出現了輕微的適應度下降，但細胞依然存活。然而，當加入第18個基因——rplW 組裝成Rb6時，構建再次陷入致死狀態。

經過極其繁瑣的交叉驗證與測序，研究人員鎖定了一個經典的生物學底層約束機制：基因重疊。

在自然的大腸桿菌基因組中，rplD 基因的終止密碼子與緊隨其后的 rplW 基因的起始序列之間，存在著一段4個堿基對 (bp) 的非典型重疊區。更要命的是，rplW 的第二個密碼子正是一個異亮氨酸密碼子。在早期單基因測試中，研究人員曾采用復制重疊序列的方式將這兩個基因物理性分離，這種“解耦”手段在測試單個基因時十分奏效。然而，一旦放回完整的操縱子上下文中，這種破壞天然重疊結構的設計便會引發致命的調控崩潰。這表明該重疊區域并非簡單的序列冗余，而極有可能介導著某種生死攸關的翻譯耦合或轉錄調控功能。

這是一個連大語言模型也未能提前預判的復雜系統性難題。為了在保留天然重疊結構的前提下剔除異亮氨酸，研究人員不得不利用模型指導的定向誘變進行微調。最終，他們在一個包含了四處替換的變體Ec19_ID183中找到了答案：在該序列的第174位，模型引入了一個甲硫氨酸 (Methionine, Met) 替代。

隨著這塊最后拼圖的歸位，一個包含21個無異亮氨酸核糖體亞基的完整操縱子（Rb12菌株）終于在活細胞內成功運轉，其在極簡培養基中的相對適應度達到了0.61。這是生命演化史上，首個由19種氨基酸完全重構核心核糖體模塊并能獨立生存的實體。

經受450代演化考驗的韌性

設計并制造出這套縮減版代碼只完成了第一步，它能否在真實世界的達爾文選擇中存活下來？

研究人員將Rb12菌株放入恒化器 (turbidostat) 中，進行了長達450代、持續數十天的適應性實驗室演化 (Adaptive Laboratory Evolution, ALE)。在四條獨立的演化譜系中，種群的生長速率在演化前后并未出現顯著差異（相對適應度穩定在0.57至0.61之間）。

隨后進行的全基因組測序給出了最令人震撼的數據：在歷經450代的增殖與變異后，每條譜系在全基因組范圍內累積了21至29個自然突變，這些突變大多集中在代謝適應和DNA修復等常規領域。但在這個由AI強行重寫、長達10 kb的21基因核糖體操縱子區域內，突變數為零。

更加引人注目的是，沒有發現任何一個被替換的位點發生“回復突變”重新變成異亮氨酸，也沒有出現任何試圖通過其他局部氨基酸改變來挽救這部分適應度損失的代償性突變。這證明，由深度學習模型設計的19種氨基酸底層網絡，已經達到了一個相對穩固的局部熱力學與演化最優解。它并非脆弱的實驗溫室產物，而是具有極強的基因組穩定性與演化韌性。

重構生命邊界帶來的終極啟示

長期以來，學界傾向于認為當前這20種標準氨基酸是歷經數十億年殘酷自然選擇后留下的唯一、必然的最優組合。然而，這項由生成式AI主導的工程學奇跡有力地表明，現代生命所使用的遺傳代碼和氨基酸“字母表”，可能僅僅是演化早期一次偶然事件的凍結（frozen accident）。

當我們將異亮氨酸從生命最重要的蛋白質合成機器中抽離時，雖然觸碰到了生物物理學和系統調控的紅線，但通過多模態深度學習在序列、三維結構與演化信息中的全局搜索，我們能夠強行蹚出一條自然界未曾走過的生路。

這一突破為合成生物學打開了廣闊的想象空間。從自下而上地構建擁有全新生化特性的合成細胞，到徹底重寫病原體的底層代碼以開發新型減毒疫苗，簡化版的氨基酸字母表為我們提供了一塊真正意義上的“可編程生命畫布”。

通過人工智能與基因組編輯的融合，我們不再只能被動地解讀生命的密碼，而是已經開始掌握重構這套密碼的邏輯。在探索生命形式下限的旅程中，我們正逐漸接近那個終極答案：究竟什么，才是驅動生命運轉的最少必然條件？

參考文獻

Liu L, Rochereau C, Kozlov S, Urtecho G, Liu X, Zhao J, Wang J, Huang Y, Qu Y, Zhang Z, Blazejewski T, Swartz A, Ovchinnikov S, Wang HH. Toward life with a 19-amino acid alphabet through generative artificial intelligence design. Science. 2026 Apr 30;392(6797):eaeb5171. doi: 10.1126/science.aeb5171. Epub 2026 Apr 30. PMID: 42060756.