教材：讀懂 Nico 的 Cas9 變體篩選漏斗（v5 / v6）

0 一頁總覽

Nico 這台漏斗，本質是候選削減機，不是「物理真理機」。SpCas9（1368 殘基）的多點突變庫組合爆炸（10⁴–10⁵⁺），濕實驗一輪只做得起 ~10–50 個，所以用便宜、會看核酸、可以有雜訊的篩子在頂層把庫富集，把貴的物理留給少數存活者。

層	處理量	在算什麼	你的類比
Phase 1 序列	10⁴–10⁵	序列合不合理（幾何/親和/演化/摺疊/溶解）	便宜 descriptor 初篩
Phase 2 結構	100–500 摺疊	疊出 all-atom 複合體 + 清座標	建結構 + minimize
Phase 3 打分	10–100	結合能 ΔG_bind（三條路）	隱溶劑單點 / AIMD 系綜
Phase 4 FEP	1–5	精確相對 ΔΔG_bind	RPA / CCSD(T) 級把關

貫穿全文的重點：漏斗每一個定量分數都是「平衡結合自由能 ΔG_bind」（外加摺疊穩定 ΔΔG_fold）。但 Cas9 的專一性由「動力學」決定（HNH 構形檢查點 / kinetic proofreading），而動力學是態函數 ΔG 數學上碰不到的一維。→ 漏斗是很棒的「結合可行性富集器」，但不是專一性引擎。

1 名詞速查

PAM：Cas9 動手前先找的短 DNA 標記（NGG）。找到才開始解 DNA。

R-loop：sgRNA 與 target DNA 從 PAM 端像拉鏈配對、頂開另一股，形成的 RNA:DNA 雜合。

RNP：蛋白+核酸複合體。Cas9 = 蛋白+sgRNA+DNA(+Mg²⁺)，缺核酸就沒生物學。

Inverse folding：AF 問「序列→結構」；反向摺疊問「給定固定骨架，哪些序列會摺成它」。

ΔΔG_fold vs ΔΔG_bind（最重要）：前者=蛋白自己還折不折得起來；後者=複合體抓不抓得牢。是熱力學循環不同邊、可號相反。

pLDDT / PAE：摺疊器對自己座標的信心（learned error bars），不是實驗準度、不是能量。

隱溶劑 / PB：把顯性水換成介電連續體+離子屏蔽近似溶劑靜電（=VASPsol/COSMO 那套）。

介電 override（pdie 4–10）：MM-PBSA 裡溶質內部介電（非溶劑 80），蛋白預設 ~1–2，對帶電骨架調高。是旋鈕不是常數。

Kinetic proofreading：把不可逆的切割藏在慢的構形檢查點後，讓錯基質先脫離。專一性 ∝ k_cleave/k_off，不是 ∝ 1/K_d。

I → D state：HNH 核酸酶域要從中間態 docking 進催化活性態才會切。

2 核心問題與設計哲學

為什麼需要漏斗：20 個位點就有 ~10⁵ 雙突變、~10⁷ 三突變，濕實驗做不起百萬個。漏斗唯一的任務：從天文數字的庫裡便宜地挑出「值得真的合成」的 ~10–50 個。

「Information Economy」每往下一層，每個變體更貴、但變體更少，總成本 =（便宜×很多）+（昂貴×很少）有界。一個把 90% 明顯垃圾便宜刷掉的雜訊篩子，就算不準也省下巨量下游成本。

階層篩選漏斗，從很多候選收斂到少數 — 階層漏斗：頂層便宜工具處理 10⁵ 個變體做富集，底層昂貴物理只跑少數存活者——與你熟的多層 DFT 篩選（PBE 掃全部、HSE/GW 只留給存活者）同構。

三個設計直覺（讀懂 Nico 每個選擇的鑰匙）：

便宜雜訊在前、昂貴精準在後：早期誤殺好變體便宜可容忍；到濕實驗的 false positive 才貴。
正交多票否決：每個閘門攔不同失敗模式，要全過才前進——不是相加成一個總能量。
富集不是真理：頂層工具是「提高存活池好貨比例」，不是最終排名。用「有沒有 MD 準」評它就搞錯重點。

3 Phase 1：序列級篩子（10⁴–10⁵ → 100–1000）

全部「只吃序列、不折疊、一次前向推論」。六個正交閘門：

Gate 1a — LigandMPNN 主篩

做什麼：把整個 Cas9+核酸骨架固定，逐殘基問「這位置放這胺基酸合不合理」。關鍵：它的圖包含 DNA/RNA/離子，會懲罰撞到 guide 或 target 的序列。

為什麼 Nico 用：Cas9 是 RNP，最要命的殘基都朝著核酸。v3/v4 的通用 ESM-IF1 對核酸是盲的。換成 LigandMPNN 是 v5 最重要的工具決策。

物理類比：對固定 host lattice（含 adsorbate 原子）打 site-occupancy 分數。ProteinMPNN 像把核酸從 supercell 刪掉再算。

⚠ 它給的是 pseudo-energy / log-likelihood，沒校準到 kcal/mol，只能排序、不能當 ΔG 加總。

Gate 1b — DeePNAP

做什麼：ProNAB 訓練的深度迴歸器，不建結構直接從序列預測結合的變化量 ΔΔG_bind / ΔK_d（是變化，不是絕對 K_d）。CPU 秒級。

為什麼：唯一直接指名「結合」目標量的、又便宜，當獨立一票。

物理類比：ML surrogate / MLP 取代昂貴能量評估——像用迴歸從組成猜吸附能。

⚠ domain-of-applicability：多點 Cas9 突變很可能遠離 ProNAB 分布，外推像把 MLP 用在沒 fit 過的組態。

Gate 1c — ESM-2 + thermoMPNN v6 新增 + CamSol + EvoEF2

ESM-2：蛋白語言模型，打「演化語法合理性」（只看序列，是 prior 不是 measurement）。

thermoMPNN（v6 新增）：Megascale 27 萬筆訓練，預測 ΔΔG_fold（摺疊穩定度）。ThermoMPNN-D 做雙突變。

CamSol：溶解度/聚集；EvoEF2：經驗力場式 scaffold 穩定度（thermoMPNN 的非 ML、可解釋兄弟）。

為什麼 v6 加 thermoMPNN：補漏洞——一個突變可以「紙上結合漂亮但根本折不起來」。把「會不會摺」和「結不結合」兩種失敗模式分開。

⚠ 鐵則：ΔΔG_fold ≠ ΔΔG_bind。thermoMPNN 給的是「蛋白自己穩不穩」，不是「抓不抓得牢」。

4 Phase 2：結構級（100–1000 → 100–500 摺疊）

為什麼需要 3D：Phase 1 全是「序列進、分數出」，看不到「這顆突變側鏈實際擺哪、跟哪個 DNA 磷酸撞到」。類比：光有化學式 Fe₃Ni 排不出能量，得先有 POSCAR。

Gate 2a — AlphaFold3 / Chai-1 / Boltz-2（會看核酸的摺疊器）

做什麼：輸入蛋白+sgRNA+DNA+Mg²⁺，吐整個 RNP 的 all-atom 座標 + 信心圖（pLDDT/PAE）。~1–3 min/複合體。

為什麼：AF3 介面最準當 primary；但 AF3 權重非商用、叢集部署有法律摩擦，故備開源退路 Chai-1 / Boltz-2。「primary + 可互換」不被單一授權綁死。

物理類比：學出來的結構生成器（對應你「從頭建初始結構」）。pLDDT/PAE 像收斂/誤差診斷。

Gate 2b — 鬆弛作為「選擇」：FoldX vs Mini-MD v6 改動

做什麼：ML 座標是「生的」，有 clash，直接算連續介質靜電會爆炸。v6 二選一：FoldX（經驗、快轉側鏈、CPU 秒級）或 Mini-MD（OpenMM/GROMACS 最小化+短 NVT，顯式 ff14SB/OL15/OL3 真物理鬆弛）。

物理類比（你的主場）：Mini-MD 就是你跑生產 MD 前的 minimize+equilibrate；跳過就像對重疊原子做單點，SCF 不收斂。用 Mini-MD 還能與後面打分共用力場、能量面自洽。

5 Phase 3：打分（10–100）——v6 把物理升為主線

Path A — 靜態 MM-PBSA v6 primary

做什麼：用一張鬆弛快照估結合能：ΔG_bind ≈ E_MM(Coulomb+vdW) + G_solv(PB)。能抓 ML 抹平的斷裂鹽橋。

為什麼 v6 升 primary：最響亮的訊號——把可解釋、能歸因到殘基的物理能量分解推到預設，把黑盒 DL 降為備選。

物理類比：力場版隱溶劑結合能 = DFT + implicit solvation（VASPsol）算吸附能。單快照的問題跟你算吸附能一樣。

⚠ 對 dense protein-RNA ranking 相關性天花板約 r≈0.56；是「top-20% 粗篩」不是精排。

Path B — PDIScore + AlphaBridge（DL 幾何打分）v6 alternate

做什麼：完全不算物理。PDIScore=graph 讀「原子–核苷酸距離」；AlphaBridge=直接從 AF3 的 PAE/pLDDT 抽介面剛性。極快、可吃 unrelaxed。

物理類比：材料界的 ML descriptor（像用 d-band center 迴歸先排 HEA）。

⚠ PDIScore 論文自報 ranking PCC≈0.50——能刷爛貨、抓大趨勢，不能分辨兩個接近的候選誰較好。

Path C — 系綜 MD + MM-PBSA premium

做什麼：跑 20–50 ns 顯性溶劑 MD，沿途多快照做 MM-PBSA 再平均。對帶電骨架把內部介電 override 到 4–10。

物理類比：單快照 vs 系綜 = 0 K 靜態能量 vs 有限溫度自由能。Path C 像跑 AIMD/TI 取系綜平均，把熵與構型漲落納入。

⚠ 介電 override 一定要做 pdie 2/4/8 敏感度掃描報成誤差棒（等同收斂測試）。

6 Phase 4：Alchemical FEP（1–5）——唯一的精確物理

概念（你會很有共鳴）：沿一個非物理的 λ 座標把 WT 側鏈煉金術般 morph 成 mutant，在複合體與 apo 各做一次，靠熱力學循環讓算不出的邊抵消，得到精確 ΔΔG_bind = ΔG_mut(複合體) − ΔG_mut(apo)。pmx 建 hybrid 拓撲，MBAR 把所有 λ 窗最優合成一個數+誤差（=WHAM 的 binless 繼承者）。

物理類比：就是你認得的熱力學循環（Hess/Born-Haber）+ TI / adiabatic switching。

⚠ 一個要更正的常見誤解（很重要） v6 明確聲稱它能處理會改變淨電荷的胺基酸突變（例如 Ala→Asp），做法是同時做 co-alchemical 反離子變換維持電中性——也就是說 Nico 已經想到 FEP 最容易出錯的那個 case，不是忽略它。
所以對他 push 的不是「你沒做 charge-changing」（他有），而是：「counter-ion co-transformation 對 Cas9 這種中和骨架接觸鹼性殘基的突變，收斂/可靠度到底如何？值得 stress-test。」——更精準、也更站得住。

⚠ 範圍是蛋白胺基酸突變（不做 DNA/RNA 鹼基 alchemy）。而且它是 end-state 平衡量：再精確，對速率、障礙、構形檢查點一無所知。

7 v3/v4 → v5 → v6：讀出 Nico 的意圖

版本	動作	透露的意圖
v3/v4	通用工具（ESM-IF1）+ 有 off-target specificity MD tier	泛用 + 有嘗試碰專一性
v5	換核酸感知工具、模組化打分、AF3 primary；拿掉 specificity tier；DL 推論當 primary	「現代化、快、模組化」——但唯一碰專一性的層消失了
v6	加 thermoMPNN；Gate 2b 做成 FoldX/Mini-MD 選擇；把靜態 MM-PBSA 升為 primary	預設越來越物理——把物理邊界往漏斗上方推

讀出的核心Nico 是個熱力學腦、會自我修正的設計者——ML 在頂層負責通量，物理在底層負責信任。唯一一直沒回來的，是「專一性 / 判別」這一維：這不是疏忽，是這台「熱力學優先」漏斗依它自己一致的邏輯，留下未量的那一軸。（v6 的「geometric specificity」只是目標宣示、沒有對應模組。）

8 最關鍵的一維：kinetics（構形檢查點）

Cas9 不是「結合=切」的開關，是多步機器。辨識 on/off-target 主要發生在第 3 步（構形檢查點），不是結合那步：

辨識 on/off-target 主要發生在第 3 步（構形檢查點），不是第 1–2 步（結合）。

HNH 域 on-target docking 切割 vs off-target 卡住脫離 — 左：完全配對時 HNH 域 docking 進活性態、切割（綠）。右：有 mismatch 時同一個域卡在抬起的不活性態、切不下去而脫離（紅）。高保真變體對 on/off-target 的**結合都跟野生型差不多**，靠的正是這一步的差別（Chen 2017；Dagdas 2017）。

一句話講死：ΔG_bind 是態函數，只看 end-state「已結合 vs 未結合」的差，數學上不含任何「路徑上的障礙高度」。所以無論 FEP 收斂到多化學精度，都變不出 HNH docking 的活化能障 ΔG^‡——這是結構性的不可能，不是精度不夠。就像你無法從 ΔG_reaction 反推速率。

深井（結合）與高障礙（動力學）的能量地景 — funnel 算的是井深（ΔG_bind）；Cas9 成敗由**障礙高度**（ΔG^‡，HNH docking）決定。off-target 是被困在深井裡的 kinetic trap——穩定結合＝深井，但跨不過障礙去切。MM-PBSA 算井深，不算障礙。

為什麼這麼容易被漏（對任何人都一樣） ① 可觀測性偏誤：結合看得見摸得著，直覺「抓得牢=作用強」。② 工具成熟度落差：平衡結合工具鏈幾十年成熟、可高通量；kinetic barrier 沒有現成高通量工具。③ 歷史包袱：v3/v4 那個 specificity tier 被 v5 拿掉，而它剛好是唯一碰專一性的層。
就像早期只用 ΔG_ads 當 HER descriptor（好算、可掃），但真正限速常是 barrier——NEB 又貴又難自動化。Cas9 funnel 走的是一模一樣的路。

9 怎麼跟 Nico 講（先肯定 → 說好終點 → 共構側枝）

真心肯定 funnel：它把 10⁵→10–50 的濾漏做得又快又物理，v6 往 static MM-PBSA 主線漂移是往更嚴謹的正確方向。這層要留、做得好。
提案 a：pre-register 驗證終點：濕實驗前先講好「拿什麼當成功判準」。若讀的是編輯專一性（on/off cleavage ratio、GUIDE-seq 這類 kinetic/functional 終點），就明確承認 ΔΔG_bind 排名是必要非充分條件。
提案 b：加一條可選 kinetic 側枝：不打掉重來，只跑漏斗底部 ~10–50 個候選：算 HNH I→D docking 的能障 ΔG^‡（NEB/string/metadynamics），或用 MSM 估構形轉換速率。等於用現代工具把 v3/v4 被拿掉的 specificity tier 低成本接回來。

為什麼對方難拒絕：pre-register 是攤開假設的好習慣；側枝是加法、可選、只跑少數候選（成本可控、不動主流程）。而且把對話錨定在你最強的主場——free energy、barrier、MD、MSM。你是來「貢獻缺的那塊物理」的合作者，不是來挑錯的。

附帶：這個「binding vs kinetics 的 scoring-axis」在 AI-Protein-Interface dashboard 裡已被登記成一個待裁決的 open decision（D-006/H-011，待 T-011）——你開這話題，是接一個已經在桌上的問題。

10 可直接照唸的講稿

「你的 funnel 我很欣賞——v5 換成會看核酸的工具、v6 又把靜態 MM-PBSA 升為主打分，方向完全對，它是一台很好的結合可行性富集器，能把 10⁵ 個突變體有效壓到能做的幾十個。

我想補的是它結構上看不到、但恰好是 Cas9 成敗關鍵的一維：專一性其實由動力學決定——off-target 會穩穩結合卻切不下去（HNH 構形檢查點），高保真變體 on/off 的結合都跟 WT 一樣，靠的是結合後的速率步驟。所以 ΔΔG_bind 排名相近的兩個變體，真實專一性可以差很多。態函數 ΔG 數學上不含 barrier，再精確的 FEP 也補不出來。

兩個小提案，都不動你的主流程：(a) 濕實驗前先講好我們比的是編輯專一性（kinetic/functional 終點），把 ΔG_bind 定位成必要非充分；(b) 只在漏斗底部 10–50 個候選掛一條可選側枝算 HNH docking 的能障 / 用 MSM 估速率——等於把 v3/v4 那個被拿掉的 specificity tier 用現代工具低成本接回來。這塊正好是我的物理本行，我來做。」