北京大学团队联合发表的 ContactSeek 框架，将 AlphaFold3 预测的接触概率与高通量脱靶数据结合，用于识别影响碱基编辑特异性的关键位点。该成果为基因编辑工具的精准设计提供了新的思路，也提示企业在人工智能、生物计算与合规治理交叉场景中的应用边界与风险控制。
今日技术观察 IT之家 7 月 25 日消息，北京大学生命科学学院发布博文，宣布其伊成器课题组于 7 月 22 日联合在《自然》（Nature）发表论文，提出基于 AlphaFold3 接触概率的 AI 框架 ContactSeek。该论文名为《Precise DNA base editing using AlphaFold3-based contact modelling》，由北京大学生命科学学院、基因功能研究与操控全国重点实验室、核糖核酸北京研究 01 背景速览 北京大学生命科学学院伊成器课题组联合华东师范大学团队发表的研究，提出了基于 AlphaFold3 接触概率的 AI 框架 ContactSeek。研究思路是把 AlphaFold3 对 DNA-RNA-蛋白质三元复合物的接触概率预测，与高通量测序获得的脱靶编辑信息结合起来，用以分析在靶与脱靶场景中的互作差异，并进一步定位影响碱基编辑特异性的关键氨基酸位点。 02 趋势影响 这项工作的意义不只在于单一科研方法的改进，更在于展示了 AI 模型输出可以从“结构预测”进一步走向“功能解释”和“工程设计”。对企业来说，这类趋势意味着人工智能正在从通用预测工具，逐步变成可以服务于复杂研发决策的分析引擎。尤其在生物医药、计算生物学和高通量实验结合的场景中，模型解释能力、数据闭环能力和实验验证能力会越来越重要。 03 企业应用启发 对企业数字化和软件开发团队而言，ContactSeek 也有可借鉴之处：一是将多源数据整合为统一分析链路，减少单一模型结论带来的偏差；二是把预测结果和实验反馈形成迭代闭环，提高研发效率；三是围绕关键位点和异常模式建立可追踪的分析流程，便于后续版本管理和结果复核。对于做 AI 平台、科研信息化或生物计算服务的企业，这类方法论值得关注。 04 合规观察 同时也需要看到合规与风险边界。涉及基因编辑、脱靶分析和模型驱动优化的工作，天然带有较强的专业性和敏感性，不能因为 AI 介入就弱化实验验证、数据来源审查和用途限制。企业在推进类似技术时，应重视数据合规、模型可解释性、结果误用风险以及跨场景迁移带来的不确定性，避免把研究结论直接外推为稳定可用的生产能力。 05 开放讨论 可以继续讨论的问题包括：这类基于接触概率的 AI 框架，能否迁移到更多蛋白-核酸互作研究场景？在企业研发流程中，AI 预测结果与实验验证应如何分工和衔接？面对高风险生物技术应用，哪些合规控制点应当前置到模型设计阶段？ 公开来源参考 赋能精准碱基编辑：我国科学家建立基于 AlphaFold3 接触概率的 AI 框架 ContactSeek