SEED | PE8：给 prime editor 的 RT 重新折好 AI-assisted · reviewed
Broad Institute、Harvard 和 HHMI 的 Y. Allen Tao、Holt A. Sakai、Allen Y. Jiang、Nicholas A. Krasnow 与 David R. Liu 团队近期报道，利用 ProteinMPNN 对已工程化和实验室进化的 prime editor 逆转录酶（RT）进行结构约束式重设计，得到 PE8 系列编辑器，在提高 RT 稳定性和细胞内表达量的同时，增强了多种 ex vivo、eVLP 和小鼠体内 LNP 场景下的 prime editing 效率。
研究问题是什么？
Prime editing 已经可以安装替换、插入和小缺失，理论上覆盖大量致病突变；但在真实递送场景里，尤其是 mRNA-LNP、eVLP、RNP 和原代细胞电转这类短暂表达条件下，编辑器本身的折叠、稳定性和表达量会成为效率瓶颈。
这篇文章问的不是“能不能再找到一个更活跃的 RT 突变”，而是更底层的问题：过去通过 PACE 或理性工程获得的高活性 RT，是否付出了稳定性和可表达性的代价？如果是，能不能用结构引导的 AI 蛋白设计，把这些已经进化过的 RT 重新稳定化，从而在有限剂量和短表达窗口中释放 prime editor 的潜力？
真正的新意是什么？
真正的新意在于把 prime editor 的改造逻辑从“继续追求催化活性”转向“修复进化后的生物物理代价”。作者先证明，PE6a、PE6c、PE6d 和 PEmax 这类已优化 RT 的确存在蛋白水平下降的问题：在 Hepa1-6 细胞中，含进化 RT 的 prime editor 峰值蛋白量比对应野生型 RT 版本低约 1.5-2.0 倍。
随后，作者不是让模型自由改写整个酶，而是保留催化核心、底物附近残基和高保守位点，只允许远离底物、相对不保守的区域被 ProteinMPNN 重设计。这个策略让 AI 设计和实验室进化互补：PACE 主要优化催化和过程性，ProteinMPNN 则主要修复折叠、溶解性和表达。最终选出的 PE8a、PE8c、PE8d 和 PE8max 与出发 RT 相比分别有 30、117、81 和 163 个氨基酸变化，但仍保持 prime editing 功能。
这比单纯筛一个新突变更有平台意义：它说明深度学习蛋白设计可以作为实验室进化后的“稳定性修复层”，用于提升复杂、多底物酶系统的实际可用性。
数据强在哪里？
第一，设计和筛选规模足够系统。作者从 PE6a、PE6c、PE6d 和 PEmax 四个 RT 出发，为每个 RT 设计 96 个候选，共 384 个初始重设计序列；经过结构预测和基因合成可行性筛选后，实验测试了 174 个 RT。初筛中 165/174 个设计仍能支持超过 5% 的编辑，说明大幅改写 RT 序列并没有普遍破坏功能；其中 52/174 个超过对应出发编辑器。
第二，验证不止一个 reporter 位点。作者进一步用 700 个 ClinVar 致病变异相关 prime edit 做 pooled self-targeting screen，总计 16,800 次 prime editing 实验。重设计 RT 在多类编辑上带来平均提升，尤其 PE6a-D37 和 PE6c-D8 在 arrayed 验证中分别达到约 2.5 倍和 2.3 倍平均提升。作者据此将 PE6a-D37、PE6c-D8、PE6d-D34 和 PEmax-D27 命名为 PE8a、PE8c、PE8d 和 PE8max。
第三，机制链条比较闭合。PE8a、PE8c、PE8d 和 PE8max 在 mRNA-LNP 转染后 8 小时的细胞内蛋白峰值分别提高 1.2、2.3、2.0 和 2.1 倍。PE8c 的 RT 熔解温度从 PE6c 的 44.5 °C 提高到 52.5 °C，PE8max 比 PEmax 提高 2 °C；PE8d 虽然 Tm 没提高，但在 57 °C 下保留更好的逆转录功能活性。这些数据支持“稳定性和表达提升推动编辑效率提升”的主线。
第四，应用场景覆盖了比较现实的递送模式。原代 CD34+ HSPC 中，PE8c 在 HBB 位点以 1 µg mRNA 达到约 50% 编辑，比 PE6c 提高 1.6 倍，也超过此前 2 µg PEmax 的 40% 条件。原代 T 细胞 IL2RB 位点，PE8d 在高剂量和低剂量下分别提高 1.2 倍和 1.6 倍。eVLP 递送中，PE8c 在 Dnmt1、Col12a1、FANCF 和 HEK3 位点均优于 PE6c。小鼠肝脏 Pcsk9 LNP 编辑中，PE8c、PE8d 和 PE8max 分别比对应出发编辑器提高 1.4、2.9 和 2.5 倍；在 2 mg/kg 总 RNA 剂量下，PE8c 达到 44% bulk liver 编辑，高于 PE7 的 25%。
最大弱点是什么？
最大弱点是 PE8 的优势仍然是 context-dependent。作者明确看到某些位点没有从 PE8 获益，这可能来自 pegRNA 与 RT 的具体相互作用、编辑类型和递送环境差异。因此，PE8 更像一个强有力的候选编辑器家族，而不是所有靶点都可以直接替换 PE6 或 PE7 的单一答案。
第二，体内数据目前主要集中在成年小鼠肝脏 Pcsk9 一个示范位点，时间窗口也偏短。Pcsk9 是合理的体内 benchmark，但它不能代表所有组织、所有 pegRNA、所有疾病突变，也不能替代长期疗效、免疫反应、重复给药和组织分布评估。
第三，安全性数据是有价值但还不完整。作者在小鼠 Pcsk9 实验中分析了 edit:indel ratio，并检查 14 个 CIRCLE-seq nominated off-target 位点，没有看到高于背景的 indel 或 substitution；但这仍只是候选位点、单一靶点和短期读数。对于临床开发，还需要更大范围的 off-target、结构变异、RNA/mRNA 递送毒性、剂量-反应和长期组织病理数据。
最后，机制解释还有一层未完全拆开。论文有力地连接了表达量、热稳定性和编辑效率，但不同 PE8 变体的收益可能来自折叠、细胞内半衰期、可溶表达、RNP 装配、RT 过程性或 pegRNA 兼容性的组合。哪一种因素在不同组织和递送方式里最关键，还需要更细的机制实验。
是否有临床转化意义？
有，尤其是对 transient delivery 的 prime editing 项目。临床上很多编辑系统不是缺“理论上能编辑”的能力，而是缺在低剂量、短暴露、有限递送效率下仍能给出足够 on-target 编辑的能力。PE8 的价值就在这里：它不只是把某个培养细胞位点做高，而是在 mRNA-LNP、原代细胞电转、eVLP 和小鼠 LNP 中都显示出更高活性，并且目前没有看到明显 product purity 或候选 off-target 代价。
对 HSPC、T cell therapy、肝脏 LNP 和 eVLP 递送来说，这类 RT 稳定化路线很实用。它可能降低达到同等编辑率所需的剂量，或者在同等剂量下提高编辑窗口，对安全边际和制造可行性都有潜在价值。
但临床成熟度不能被夸大。这仍是平台级、前临床阶段的编辑器改造论文，不是某个适应症的疗效证明。PE8 需要在具体疾病突变、具体递送体系和具体组织中重新做 pegRNA/剂量/安全性优化。更准确的定位是：PE8 给 prime editing 临床项目增加了一组更强的 editor scaffold，而不是直接给出可进入人体的完整治疗方案。
Yang 的信号评级：High
理由：这篇文章的科学信号很强，因为它抓住了 prime editing 工程化中的一个真实瓶颈：实验室进化常常提高活性，却牺牲稳定性和表达。作者用 ProteinMPNN 对这个瓶颈做了有约束的结构重设计，并用从蛋白表达、热稳定性、ClinVar pooled screen、原代细胞、eVLP 到小鼠肝脏 LNP 的多层数据把证据链连起来。
我会把它评为科研信号 High。它不是只多筛出几个更好突变，而是提出了“实验室进化 + AI 稳定性修复”的可迁移框架，对 prime editing 甚至更广义的复杂酶工程都有启发。
但这个 High 是“科研信号 High”，不是“临床就绪 High”。临床成熟度我会评为 Medium-Low：动物和 ex vivo 数据很有说服力，递送模式也贴近真实应用，但目前仍缺少跨组织、长期、安全性和疾病疗效层面的完整转化证据。