Cas9 是什麼CRISPR-Cas9: the machine
一台由 RNA 導引、內建構形檢查點的 DNA 切割機器。
01一句話只有一句
Cas9 是一台 RNA 導引、切之前先過構形檢查點的 DNA 切割機器。
02Why should I care?我為什麼要讀這頁
因為整張地圖押在一句話上：Cas9 的專一性到底發生在哪一步。
目前主流的變體篩選流程，多半從頭到尾用平衡結合自由能排序（從序列設計模型、蛋白–核酸親和力預測器，一路到 MM-PBSA 與 FEP）。這套做法只有在「Cas9 是一個結合就切的開關」時才成立 —— 結合得緊就切，結合得鬆就不切，那 ΔG 當然是對的軸。但如果 Cas9 在「綁上 DNA」與「切下去」之間還隔著一道獨立的構形關卡，那 ΔG 量到的是關卡前面的東西，而專一性發生在關卡上面。整條漏斗就會量錯對象 —— 這是觀測量與機制不對應的問題，與各層實作得多精緻無關。
用你熟的世界講：這相當於你想比較兩個觸媒表面的選擇性，卻只算了反應物的吸附能。吸附能當然有用，它告訴你反應物會不會上去、會不會中毒；但兩個表面可以有幾乎一樣的 ΔGads，卻因為過渡態能量差了 0.2 eV 而選擇性差一個數量級。Cas9 得的正是同一種病，而且病得比觸媒更嚴重 —— 因為它的「過渡態」不是一個鍵的伸縮，是一整個 domain 轉過去 docking。
這一頁不教你 CRISPR 的歷史，它只做一件事：把 Cas9 從「一個會切 DNA 的蛋白」換成「一個有速率決定步驟的催化循環」。這個換框一旦種下去，後面每一頁（該量什麼、該用什麼底物、reviewer 會打哪裡）都是它的推論。
03What這是什麼
組成。 SpCas9（來自 Streptococcus pyogenes，你會看到的 PDB 幾乎都是它）是一條 1368 個殘基的單鏈蛋白，工作時要配兩樣東西：
- sgRNA —— 一條把天然的 crRNA 與 tracrRNA 融成一條的嚮導 RNA。它的 5′ 端有 20 nt（nt = nucleotide，核苷酸；雙股時用 bp = base pair）的 spacer，就是「你要切哪裡」的可程式化部分；後面是一整段折疊好的 scaffold，負責把蛋白撐開。
- 目標 dsDNA —— 被 RNA 配對走的那一股叫 target strand（TS），被排開的另一股叫 non-target strand（NTS）。被鎖定的那 20 bp 目標位點叫 protospacer；慣例上它的序列寫在 NTS 上（NTS 的序列與 spacer 相同），PAM 就緊接在 protospacer 的 3′ 側、同樣讀在 NTS 上（SpCas9 是 5′-NGG-3′）。
protospacer 與 PAM 都寫在 NTS 上，RNA 配的卻是 TS，兩股方向相反。所以對應關係是：PAM 端 ＝ spacer 的 3′ 端 ＝ seed 區，PAM-distal 端 ＝ spacer 的 5′ 端。把這個對應弄反，你標出來的「seed 錯配」會整批標到遠端去，而錯配位置錯了，整批模擬就白跑（見 PAM 與 R-loop）。
結構分兩葉：
- REC lobe（辨識葉）—— 不催化，負責抓 RNA:DNA 雜合雙股、感測配對品質。專一性文獻慣例把它切成 REC1／REC2／REC3，其中 REC3（497–713）是這一整站的主角，後面會一直出現。（Nishimasu 2014 原始論文只切 REC1／REC2，兩種切法都在流通，引用前先看 Domain 邊界。）
- NUC lobe（核酸酶葉，含 RuvC、HNH、PI domain）—— PI domain 讀 PAM，兩個核酸酶各切一股。
兩個獨立的催化中心，各切一股：
- HNH 切 target strand，催化殘基 D839、H840、N863。
- RuvC 切 non-target strand，催化殘基 D10、E762、H983、D986。
- 兩邊協同動作，在 PAM 上游 3 bp 處產生一個**平頭（blunt）**的雙股斷裂 DSB。
五個步驟（本頁的骨架）：
- PAM 搜尋與辨識。 Cas9-sgRNA 以三維碰撞（不是沿著 DNA 滑行）不斷撞上基因體，每次只問一個問題：這裡有沒有 NGG。PI domain 的 R1333 與 R1335 從 major groove 直接讀那兩個 G。沒有 PAM 的位點，就算序列與 sgRNA 完全互補，也會被無視。
- 局部解鏈與 R-loop 形成。 讀到 PAM 之後，K1107–S1109 那段 phosphate lock loop 卡住 target strand 上介於 PAM 與第 +1 位之間的那個磷酸，把 +1 核苷酸轉出來與 RNA 配對、撬開 PAM 旁邊那段雙股；RNA 從 PAM 端開始，一格一格往遠端與 TS 配對，NTS 被擠出來 —— 這個三股結構就是 R-loop。詳見 PAM 與 R-loop。
- HNH 構形檢查點。 R-loop 拉到底之後，REC3 會去抓 RNA:DNA 雜合雙股的 PAM-distal 端。cryo-EM 看到這段雜合雙股有兩種構形：扭折（kinked）的才導向切割，拉直（linear）的不活化；帶 PAM-distal 錯配時它走向 linear。只有 REC3 抓住扭折構形，L1／L2 linker 才能把 HNH 搬到位。 沿 HNH 催化殘基 H840 到 target 股 scissile phosphate 的距離看，失活態約 30 Å、pre-catalytic 的 5F9R 約 15 Å，催化態要求 H840 的側鏈進到個位數 Å（約 4–6 Å）。注意這三個數字的原子選擇不一樣：同一個構形，H840 的 Cα 與側鏈可以差好幾 Å，比較前一定要先對齊定義（見 HNH 距離）。這一步是獨立於結合的，也是本站所有論點的支點。
- 切割。 HNH 與 RuvC 同時動手，出平頭 DSB。
- 釋放。 切完之後 Cas9 並不會馬上放手 —— 單分子 FRET 顯示 docked 構形在切割之後仍然維持，要等 non-target 股被釋放才失穩（見下面的誠實聲明）。
Cas9 不是一個開關，是一個催化循環。「結合」與「切割」之間隔著一道構形關卡，關卡的通過率由 PAM-distal 端的配對品質決定。專一性主要發生在第 3 步，不是第 1、2 步。
04Why為什麼重要
因為這個五步結構解釋了一件光看親和力永遠解釋不了的事：Cas9 可以緊緊抓著一個它不會切的位點。
結合與切割在 Cas9 上是解耦的。一個帶有 PAM-distal 錯配的 off-target 位點，可以讓 R-loop 拉開、讓 Cas9 穩穩坐在上面，但雜合雙股的遠端擺不出扭折構形、REC3 抓不住，HNH 就永遠停在檢查點的中繼構形上。從熱力學看它「結合了」；從生物學看它「沒被切」。這兩件事在同一個位點上同時成立。
這件事最硬的單一證據不是模擬，是 Chen 等人的一個刪除實驗：把 REC3 整塊刪掉，切割速率掉約 1000 倍，但對 on-target 的結合親和力仍接近 WT。結合強度與切割能力可以完全脫鉤 —— 這句話用一個實驗數字就講完了。
這種「多插一道與結合分離的關卡，把原本區分度不足的辨識放大成區分度足夠的閘門」的設計，生物學裡到處都是（tRNA 選擇、DNA 複製校對），通稱 kinetic proofreading，Cas9 是其中結構最清楚的一個例子。
但用這個詞的時候要小心一格： Hopfield 原本的 kinetic proofreading 要求一個消耗能量、且不可逆丟棄錯誤受質的步驟。Cas9 的構形檢查點是不是嚴格滿足這個條件，文獻上並沒有一致的結論；比較安全的講法是 conformational checkpoint／conformational proofreading。這不是咬文嚼字 —— reviewer 只要抓到你用了強版本的詞卻沒有對應的能量學證據，整段論述的可信度都會被扣。
對你的計算工作，這個結構有三個立即的推論：
- ΔG 只能當粗篩，不能當專一性 ranker。 這不是理論潔癖，是有實證的：SpCas9-HF1／eSpCas9(1.1)／HypaCas9 這幾個高保真變體對 on-target 與 off-target 的結合親和力與 WT 差不多，差別在檢查點的動力學。詳見 Off-target 與專一性。
- 要看到專一性，底物必須帶錯配。 在完美配對的 on-target 底物上，檢查點本來就是全開的，WT 與高保真變體沒有東西可以區分。這一點在實測上也成立：eSpCas9(1.1) 在 on-target 底物上就是 null —— 那是正確結果，不是模擬失敗。
- HNH 的可動性是必要條件。 如果你的模擬裡 HNH 是全域最軟的區域，那你至少抓到了正確的物理。你的 apo 蛋白 MD 給的 HNH RMSF 是 1.86 Å（其餘 domain 只有 0.8–1.3 Å），完整三元裡仍然最高（1.61 Å）—— 這是你在自己機器上看見第 3 步的第一個證據。
05How怎麼做
這頁的 How 不是「怎麼做實驗」，是你在計算上碰得到哪一步、要付多少錢。這張對照表建議你印出來貼在螢幕邊。
| 步驟 | 物理時間尺度 | 計算上怎麼碰 | 成本量級 |
|---|---|---|---|
| 1 PAM 搜尋 | 秒～分（全基因體） | 完全碰不到。用序列層工具（PAM 掃描、CFD-like 評分） | ~0 |
| 2 R-loop 形成 | 微秒～毫秒 | unbiased MD 碰不到。要 enhanced sampling（沿 base-pair 數的 umbrella／metadynamics） | 高：累積 O(10) μs 級取樣 |
| 3 構形檢查點 | 微秒～毫秒 | 這裡才是 MD 有機會的地方：多條中長度軌跡量 HNH 距離分布與 REC3 接觸存續率 | 中：你的 4 replica × ~87 ns 就在這個檔次 |
| 4 切割 | 化學步驟 | MD 力場做不了鍵斷裂。要 QM/MM 才碰得到 | 很高，且與專一性關係不大 |
| 5 釋放 | 慢（見下） | 幾乎沒人算。open question | — |
你的實際系統長什麼樣： 5F9R 完整 R-loop 三元複合體，535,265 atoms、菱形十二面體水盒、H100 上跑 4 replica × ~87 ns。翻譯成上面的表：你的模擬起點是第 2 步已經完成的狀態，所以你能講的是第 3 步的局部起伏，不能講第 1、2 步的辨識過程。這句話請一字不改寫進你的 methods 段 —— 它會替你擋掉一整類 reviewer 攻擊。
回到 DFT 世界的對照，讓成本感更具體：
| 你熟的 | Cas9 這邊的對應 |
|---|---|
| 電子結構收斂（ENCUT、k-mesh） | 力場參數與水模型的選擇（見 MD 給 DFT 人） |
| 結構弛豫到 local minimum | 平衡化（equilibration） |
| NEB / dimer 找過渡態 | enhanced sampling 找檢查點自由能面 |
| 吸附能 ΔGads | 結合自由能 ΔGbind（MM-PBSA、FEP） |
| 活化能 ΔG‡ 決定選擇性 | 檢查點通過率決定專一性 |
最後一列就是這整個站的立場。
Cas9 切完之後多快放手，文獻上不是完全一致：早期的體外實驗有把它當 multiple-turnover 處理，後續的單分子工作則強調它會長時間掛在切斷的產物上、接近 single-turnover（Dagdas 等人量到 docked 構形在切割後仍維持，直到 non-target 股釋放才失穩）。釋放的速率常數我沒把握給一個數字。 好消息是它對你的 workflow 幾乎不影響 —— 專一性在第 3 步就決定了，第 5 步只影響體內編輯效率與修復途徑，不影響你的排序軸。
06When什麼時候用
- 設計任何 Cas9 計算之前。 你要先能指出「我這次要打第幾步」。答不出來的計算通常量錯東西。
- 決定底物要不要帶錯配、錯配放哪裡時。 這個決定由五步框架直接推出來，而且不花任何算力（見 PAM 與 R-loop）。
- 要判斷一條篩選流程的打分軸選得對不對時。 這五步是論證「ΔG 只能粗篩」的最短路徑，不需要先讓任何人接受某一組 MD 結果。
- 讀一篇 Cas9 MD paper 時，先把它定位到某一步。 大部分方法學上的混亂，來自作者自己沒說清楚在講哪一步。
- 寫 methods 段時。 明說起始構形對應第幾步，就等於明說了結論的適用範圍。
07When NOT什麼時候別用
- 不要把這五步當成單向不可逆的流程圖。 R-loop 是可逆的：帶錯配的位點會拉開一半又塌回去，Cas9 隨即解離。你如果照著單向流程圖建模，只放完整 R-loop 的起始構形，你就已經在初始條件裡預設了「它走到底」這個結論。怎麼看出它壞了： 你的自由能面上只有一個 basin，或者你的軌跡裡 RNA:DNA 配對數 100% 全程不變 —— 那不是 R-loop 很穩，那是你沒取樣到別的狀態。
- 不要宣稱 unbiased MD「觀察到」第 1、2、3 步的完整轉換。 這些事件在微秒到毫秒尺度，百奈秒級的 unbiased 軌跡只能看到檢查點附近的局部起伏。怎麼看出它壞了： 去看那篇論文的軌跡長度與 replica 數。如果是 1 條 200 ns 卻在講 domain 級的構形轉換，那看到的多半是單一稀有事件，不是機制。
- 不要拿 apo 或二元（蛋白 + RNA）結構去回答三元問題。 沒有 DNA，REC3 沒有東西可抓，檢查點的物理根本不存在。怎麼看出它壞了： 你算出來的 HNH 動態範圍異常大、卻找不到任何與配對品質相關的訊號 —— 因為系統裡沒有配對可言。你自己的兩組數據就是對照：apo 的 HNH RMSF 1.86 Å，完整三元 1.61 Å，同樣是全域最高，但物理意義完全不同。
- 不要把 SpCas9 的細節直接套到別的 CRISPR 酵素上。 PAM 序列、PAM 的位置（5′ 還是 3′）、切出來是平頭還是黏端、有沒有 HNH，都不一樣。怎麼看出它壞了： 你會發現自己在別的酵素上找不到對應的殘基編號，然後開始「大概對應到那附近」—— 到這一步結論已經不能信了。
- 不要用「結合強 = 會被切」來解讀任何計算結果。 這是本站要根除的第一個直覺。怎麼看出它壞了： 你的 ΔG 排序與任何實驗專一性指標的 Spearman 相關接近 0。這不是你的 ΔG 算錯，是軸選錯了。
- 不要在只有一條軌跡時談第 3 步。 檢查點是統計量，不是一張快照。你自己的可靠性分析寫得很清楚：n=2 時逐殘基一致性看起來 6/8 很漂亮，跑到 4 replica 掉到 3/8。
08Project Lens跟我的 project 多相關
為什麼是五星： 因為這一頁是唯一一個能讓一整條 funnel 換軸的東西，而且它零成本。
以平衡結合自由能排序的篩選流程有一個結構性盲區：漏斗全程排序平衡結合 ΔG，但高保真變體（SpCas9-HF1／eSpCas9(1.1)／HypaCas9）對 on/off-target 的結合親和力與 WT 差不多，差別在 HNH 構形檢查點的動力學。這個盲區不是靠多跑幾條軌跡能補的，它是框架層級的問題，而框架層級的問題只能靠框架層級的論證解決。這五步就是那個論證。
為什麼不是更低： 因為換軸這件事沒有更便宜的替代路徑。「用更貴的 FEP」回答不了軸選錯的問題；「指出這一類 funnel 排錯了軸，並提出可負擔的替代軸」才回答得了。而後者的第一段永遠是這五步。
它已經在你的數據裡兌現了，不是純理論：
- 兩個完全獨立、而且都有數字的方法同時指向 HNH：MD 的高 RMSF（apo 1.86 Å、三元 1.61 Å，皆為全域最高）與 Chai-1 預測的低 pLDDT（HNH 只有 62.9，L1 linker 765–809 更低到 46），兩者逐殘基反相關 ρ = −0.36。結構預測最不確定的地方，恰好就是這台機器真正在動的地方 —— 這是可以直接寫進 paper 的一句話。（ESM-2 的序列訊號常被當成第三條腿，但要接上「指向 HNH」需要一次依 domain 邊界聚合的量化結果；沒有那個數字之前，請寫「兩個方法」。）
- 而且序列語言模型的分數與核酸感知的序列設計分數之間，相關性很低，代表它們是正交的訊號源、不是互相抄。合併使用比單押一個好。
具體怎麼用： 把這五步放在 workflow overview 的第一張圖，明標你的 4 replica × ~87 ns 打在第 3 步、漏斗的 ΔG 層打在第 1–2 步之間。這張圖本身就是論文的 Figure 1 候選，也是討論打分軸時最省力的開場。
09Reviewer Thinkingreviewer 會問什麼
你憑什麼說專一性主要發生在構形檢查點，而不是結合這一步？點開看參考答案
三層證據，由弱到強。結構層：kinetics-guided cryo-EM 顯示 RNA:DNA 雜合雙股的 PAM-distal 端有 linear 與 kinked 兩種構形，只有 kinked 那一種導向切割；帶 PAM-distal 錯配時複合體停在 linear 態，HNH 上不了工位。單分子層：FRET 直接量到「結合但停在中繼構形」的狀態 —— 也就是綁上了卻沒切。變體層：把感測器 REC3 整塊刪掉，切割速率降約 1000 倍而 on-target 結合親和力接近 WT；文獻也明講「結合的改變不足以解釋高保真變體的準確度」。三層的失敗模式完全不同卻收斂到同一個結論，這比任何單一證據都硬。
你的模擬從完整 R-loop 三元複合體起始，那你根本沒有模擬到辨識過程，怎麼能談專一性？點開看參考答案
這一問是對的，而且必須正面承認。誠實的回答分兩半：能講的 —— 檢查點已形成之後，HNH 與 REC3 的局部構形分布如何隨底物配對品質改變，這是 ~87 ns × 4 replica 打得到的。不能講的 —— R-loop 如何一格一格拉開、什麼時候塌回去，這需要 enhanced sampling，不在本工作範圍。把這兩句寫進 limitations，比被問出來好太多。順帶一提，這也是為什麼底物必須帶錯配：在 on-target 底物上檢查點是全開的，連「能講的」那一半都會是 null。
五個步驟裡你的 workflow 只碰第 3 步，那前後四步怎麼辦？你的方法能算完整專一性嗎？點開看參考答案
不能，也不該假裝能。正確的定位是分工：第 1 步交給序列層工具（PAM 掃描與現成的評分模型），第 2 步交給 enhanced sampling（如果預算允許），第 4 步是化學步驟、與專一性關係不大，第 5 步目前是 open question。你的貢獻是把第 3 步從「大家都知道它存在但沒人拿它排序」變成「一個可負擔、有可靠性分析的排序軸」。範圍講小一點，論點才守得住。
這一整套是 SpCas9 的故事。你的方法對其他 Cas 蛋白可移植嗎？點開看參考答案
框架可移植，數字不可移植。「辨識與催化解耦、專一性在構形關卡上」這個框架在多個 CRISPR 效應蛋白上都有對應。但殘基編號、domain 邊界、PAM 規則、切割產物全都要重查。如果 reviewer 問這題，最安全的回答是把 claim 限縮在 SpCas9，並說明移植所需的工作量。 硬撐通用性是這類 methodology paper 最常見的死法。
你怎麼確定 HNH 在你模擬中的高柔軟度不是建系統的假象？點開看參考答案
三個便宜的檢查。第一，跨 replica 一致性：你的 4 條獨立軌跡都給出 HNH 為全域最高，這不是單條軌跡的偶然。第二，與獨立方法交叉比對：Chai-1 的 pLDDT 在 HNH 區同樣最低（62.9，L1 linker 低到 46），逐殘基 RMSF 與 pLDDT 反相關 ρ = −0.36。第三，把建模補出來的區段排除後重算 —— 你已經知道補出來的 5′ 端 RMSF 有 6–8 Å、本體只有 3.9 Å，不排除就會汙染結論。
10Common Mistakes最常犯的錯
- 把 Cas9 描述成「找到序列就切」。 後果：整個計算設計都會朝「算結合強度」走，最後排序與實驗無關。正解：講成催化循環，明確標出檢查點在哪一步。
- 用 on-target 底物比較 WT 與高保真變體。 後果：所有 metric 都在誤差內重疊，得到「沒有差異」的假結論。on-target 底物上的 eSpCas9(1.1) null 就是活教材。正解：底物必須帶錯配，且錯配位置要按假說設計。
- 混淆 target strand 與 non-target strand。 後果：HNH 與 RuvC 的角色接反，接觸分析的殘基選擇全錯。正解：TS 是與 RNA 配對的那股、由 HNH 切；NTS 是被擠出來的那股、由 RuvC 切；PAM 讀在 NTS 上。
- 在 methods 裡不交代起始構形對應哪一步。 後果：reviewer 會假設你聲稱模擬了整個過程，然後用那個標準打你。正解：一句話寫清楚「本工作起始於 R-loop 已完成的三元複合體」。
- 從單一 snapshot 的 HNH 位置下結論。 後果：檢查點是分布不是點，一張圖只是分布裡的一個抽樣。正解：報 HNH 距離的分布與跨 replica 的離散度，見 HNH 距離。
- 把「domain 會動」直接推成「這個 domain 最重要」。 後果：與 RMSF 頁講的過度解讀是同一個錯。正解：HNH 的重要性來自它是催化 domain 且受檢查點調控，不是因為它 RMSF 最高。
11Further Reading讀哪幾篇
12Summary三句話
Cas9 是一台五步驟的機器：讀 PAM、一格一格拉開 R-loop、通過 HNH 構形檢查點、兩個核酸酶各切一股、然後緩慢釋放。它不是結合就切的開關 —— 結合與切割在它身上是解耦的，一個 off-target 位點可以被牢牢抓住卻永遠不被切，因為 RNA:DNA 雜合雙股的 PAM-distal 端擺不出 REC3 要的扭折構形，HNH 就上不了工位。這個結構直接推出本站最重要的立場：專一性主要發生在第 3 步，所以平衡結合自由能只能當粗篩，不能當專一性的排序軸。