Level 2 — 知道 High Fidelity 是什麼問題The specificity problem

搞懂領域真正的痛點：切錯地方，以及為什麼難解。

L2更新 Wed Aug 05 2026 08:00:00 GMT+0800 (台北標準時間)

你現在在哪

L1 給了你機器怎麼運作。L2 給的是這個領域為什麼有錢、有人、有 paper：它會切錯地方。

這一關是整張地圖的轉折點，因為它是唯一一關會直接判某一整類現行做法出局的。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（序列設計模型 → 結構打分 → MM-PBSA → FEP），每一層都做得很認真。L2 要讓你有能力說出那句話：問題不在精度，在軸選錯了。

用你熟的世界搭一次橋，這件事有多微妙就清楚了。在很多觸媒系統裡你可以拿 ΔGads 當 ΔG‡ 的代理，因為背後有 BEP／scaling relation 撐著 —— 綁得緊的通常也活化得快，所以 descriptor 有效。Cas9 的麻煩在於，高保真變體這批樣本，恰好就是「井深幾乎沒變、障壁被墊高」的那一群。 有的是被刻意設計成這樣，有的是靠功能篩選撈出來的，但落點一樣。用一個建立在 scaling 上的 descriptor 去排序一批專門破壞 scaling 的樣本，結果不是精度差，是接近隨機。

這一關結束之後，你能做一件你現在做不到的事： 在花任何算力之前，判斷一個實驗或計算設計「有沒有可能看到專一性效應」。這個判斷值多少錢？值一整輪 GPU 時數。

A four-question pre-flight check for deciding whether a Cas9 specificity comparison is null by design: the substrate must carry a mismatch, the mismatch must be PAM-distal rather than in the seed, the ranking score must contain the barrier and not only the binding well, and the mutated residue must actually contact its stated partner in the starting structure.
示意圖（向量繪製） 開機前的四道檢查，順序不能換。任何一個「否」得到的 null 都不是模擬失敗，而是這個設計在物理上就看不到專一性效應——把它寫成 negative control，比事後重跑一輪便宜得多。

這關要學會什麼

  • 你將能夠說出 off-target 的三個來源（錯配容忍、bulge、非典型 PAM），並指出哪一類量最大。
  • 你將能夠說出四個高保真變體各自動了哪一組交互作用，以及它們的共同主題（全部在拿掉非序列專一的黏著力）與不同路徑（三個削感應器 REC3，eSpCas9(1.1) 削的是正電溝槽這個握把）。
  • 你將能夠在看到一個實驗或模擬設計時，判斷它會不會結構性地 null，並說出理由。
  • 你將能夠解釋為什麼用 ΔGbind 排序專一性是「量錯對象」而非「不夠準」，並用一個實驗數字收尾。
  • 你將能夠說出 GUIDE-seq／CIRCLE-seq／Digenome-seq 的差別，並解釋為什麼跨 assay 比較 off-target 的絕對數目沒有意義。
  • 你將能夠指出「只報 off-target 下降」的報告缺了什麼，以及遞送格式（質體 vs RNP）為什麼會把整個排序翻掉。

依序讀這些

順序的邏輯是：先立主張，再回頭補主張依賴的機制，最後才看證據從哪裡來。 反過來讀（先讀 assay 細節）會讓你淹在名詞裡，抓不到那條唯一重要的因果鏈。

  1. Off-target 與專一性 — 主課，整頁讀完，慢慢讀。特別是 ## Why 那條五環因果鏈，它是你之後所有論證的骨架。
  2. PAM 與 R-loop — 重讀 seed 與 PAM-distal 那一段。L1 讀它的時候你還沒有「錯配該放在哪裡」這個問題意識，同一段文字在有問題意識之後會變成另一份東西。
  3. Cas9 是什麼 — 重讀 ## Why，接著讀 ## Reviewer Thinking 的第一張問答卡。這次的目的只有一個：把「結合與切割解耦」這句話從「聽起來合理」升級成「我知道它的三層證據是結構層、單分子層、變體層」—— 那三層就逐條寫在那張卡裡。
  4. Ground truth 從哪來 — 只讀 一句話與 ## What。先知道「正確答案」實際上長什麼樣（一張位點清單加一欄 read count），細節留給 L5。
這一關最容易被跳過、也最貴的一句話

要看到專一性效應，底物必須帶 PAM-distal 錯配。 在完美配對的 on-target 底物上，檢查點本來就是全開的，WT 與高保真變體在物理上就該相同 —— eSpCas9(1.1) 在 on-target 底物上是 null，而它本來就該 null。這種設計下的 null 是結構性的，不是模擬失敗，但代價一樣要付：整輪算力換不到任何訊號。

三篇原始文獻（這一關值得真的讀）

2017Enhanced proofreading governs CRISPR–Cas9 targeting accuracy
Chen J.S. et al. · Nature doi:10.1038/nature24268
這一關最核心的一篇。它用單分子 FRET 指認 REC3 是專一性的感測器，並據此工程出 HypaCas9；`ΔREC3` 那個對照實驗也在裡面。「高保真 ＝ 把構形檢查點調嚴」這個主張的直接來源。
2016Rationally engineered Cas9 nucleases with improved specificity
Slaymaker I.M. et al. · Science doi:10.1126/science.aad5227
eSpCas9(1.1) 的原始論文，也是 K848／K1003／R1060 這三個位點的出處。讀它是為了看清楚原始的設計理由是**熱力學式**的（Cas9 挽留 NTS 與兩股再雜交之間的競爭），這樣你才判斷得出自己量到的那組距離（平均一到兩奈米、而且逐 replica 差異極大）代表什麼。
2018A high-fidelity Cas9 mutant delivered as a ribonucleoprotein complex enables efficient gene editing in human hematopoietic stem and progenitor cells
Vakulskas C.A. et al. · Nature Medicine doi:10.1038/s41591-018-0137-0
HiFi Cas9（R691A）的出處，也是 RNP 與質體那組數字的來源。**如果這一關你只讀一篇，讀這篇** —— 它示範了「篩選格式與應用格式不符，排名會整個翻盤」，那正是你在 funnel 上要避免的同一種錯。

通關檢查表

通關測驗

有人主張：「MM-PBSA 精度不夠，換成 FEP 就好了。」為什麼這個回應沒有解決問題？點開看參考答案

兩個理由，順序不能反。

第一，它量的還是結合自由能。 提高一個錯誤軸的精度，不會讓它變成對的軸。ΔG 是態函數，它決定平衡常數，裡面不含決定速率的能障；而被排序的對象（高保真變體）恰好是一批「結合井幾乎沒動、閘門被調窄」的樣本。

第二，才是成本。 順序很重要：先講觀測量與機制的對應，再講成本 —— 因為就算算力無限，軸的問題依然存在，成本只是次要論據。

可以補一句實務面的：eSpCas9(1.1)（K848A／K1003A／R1060A）與 HiFi（R691A）動的全是帶電殘基變 Ala，charge-changing 的煉金術路徑要另外處理（例如共同煉金化的反離子），本身就是一個獨立的方法學工程。

假設你在 on-target 底物上比較 WT 與 eSpCas9(1.1)，所有 metric 都落在誤差棒內重疊。這是模擬失敗嗎？點開看參考答案

不是，這是正確答案。

eSpCas9(1.1) 的設計原理是削弱正電溝槽對被排開的 non-target 股的挽留。在完全配對的底物上，沒有東西可削 —— R-loop 穩得很，檢查點全開。物理上就該沒有差別。

看到這個結果不要調參數，要換底物。而且更好的是：把它當成 negative control 寫進論文。一個確定該 null 的案例，測的不是你的方法有多強，是你的 pipeline 會不會無中生有。反過來說 —— 如果你的流程在 on-target 底物上就把 eSpCas9(1.1) 判成「更專一」，那它讀到的不是專一性機制，是胺基酸組成或淨電荷。

順帶一個現成的機制檢查，而且它要照本站的規矩讀。三個 grip 位點到 non-target 股的最小距離，逐 replica（seed 1／2／3／4）是：K848 0.6／0.7／0.3／1.0 nm（平均 0.7 nm，CV 44.6%）、K1003 2.3／1.1／2.0／1.1 nm（平均 1.6 nm，CV 37.7%）、R1060 1.8／0.5／2.0／1.7 nm（平均 1.5 nm，CV 46.4%）。

能講的只有一句定性的話：K848 貼著 non-target 股，另外兩個平均在一到兩奈米之外。 這說明變體的名義機制未必在你的起始構形裡成立 —— K1003／R1060 可能要在 R-loop 形成的中間態才接觸得到 NTS，而你的起點是終態。

但接下來這句不能說：「隔著兩奈米，所以不可能有靜電接觸、不可能形成鹽橋。」 三個量的 CV 全在四成上下、全是 noise tier，R1060 在 replica 2 就貼到 0.5 nm。用一組自己判為雜訊的量去下有無的二分結論，正是本站方法學主張在警告的事 —— 而反例就出在自己的資料裡。所以每個變體的每個突變殘基，都值得花十分鐘先逐 replica 量一次「它在我的構形裡到底碰得到什麼」，而不是只看一個平均值。

一篇論文說 HypaCas9 在 24 個內源位點裡有 19 個保留超過 70% 的 WT 活性；另一篇說它只有 1.7%。哪一篇錯了？點開看參考答案

兩篇都沒錯，它們量的是不同的遞送格式。

  • 質體遞送：HypaCas9 在 24 個內源位點裡 19 個保留 >70% WT 活性，看起來幾乎沒有代價。
  • RNP 遞送（先在試管裡把蛋白與 sgRNA 組好再送進細胞，臨床實際用的格式），在 12 個 HPRT 位點上的 normalized median on-target 是：HiFi 82%、eSpCas9(1.1) 20%、SpCas9-HF1 2%、HypaCas9 1.7%。

同一批變體，兩種格式下的排名幾乎相反。引用文獻活性數字時，一定要連遞送格式一起講。

這對你的 benchmark 有直接後果：你的 ground truth 是質體數據還是 RNP 數據，決定了你在對哪一個排序做校準。這也是為什麼 positive control 必須連遞送格式與 guide 一起寫死 —— 「正確答案」得指明是哪一組實驗條件下的答案。

用你自己的語言（電催化的語言）解釋：為什麼 ΔG 排不出專一性？點開看參考答案

在觸媒上你會用吸附能當 descriptor，前提是 BEP／scaling relation 把 ΔGads 與 ΔG‡ 綁在一起。兩個表面可以有幾乎一樣的吸附能，卻因為過渡態能量差了 0.2 eV 而選擇性差一個數量級 —— 你早就知道這件事，只是平常有 scaling 幫你遮住。

Cas9 的高保真變體就是專門挑戰那條 scaling 的樣本。 它們沒有一個是在增強對正確序列的辨識，全部都是在拿掉非序列專一的黏著力：三個削感應器 REC3，eSpCas9(1.1) 削正電溝槽。結果是井深幾乎不變（結合親和力與 WT 相近），但檢查點的通過率被調窄。

所以正確的說法不是「MM-PBSA 不準」，而是：檢查點的通過率根本不在 ΔGbind 這個泛函裡面。你不是算得不夠準，你是在算一個不含答案的量。

一句話補刀（記住它）：ΔREC3 讓切割速率掉約 1000 倍，而 on-target 結合親和力仍接近 WT。 一個對親和力幾乎不變、對速率變一千倍的擾動，用 ΔG 軸排序看不到。

為什麼不能拿 CIRCLE-seq 的 off-target 清單當細胞內的 ground truth？點開看參考答案

因為 CIRCLE-seq 在裸 DNA 上做，沒有染色質遮蔽、沒有細胞內的遞送與濃度限制，所以它的清單過度涵蓋。要講精確：那些多出來的位點不是假的（它們在試管裡真的被切了），只是在細胞裡不見得會被切。

拿它當細胞內標籤，等於把一大批「可切但被包起來」的位點全部標成偽陰性去懲罰你的模型。

怎麼看出它壞了： 你的模型在 CIRCLE-seq 上表現不錯、換到 GUIDE-seq 就掉下來，而且掉下來的位點集中在染色質可及性低的區域。

正解： 一個 benchmark 只用一種 assay，而且要在最開頭就講明白你要預測的是「體外可切性」還是「細胞內實際編輯」—— 這是兩個不同的量。跨 assay 比較 off-target 位點的絕對數目，永遠沒有意義。

地圖上的鄰居

Cas9 BiologyOff-target 與專一性 切錯地方為什麼會發生，以及「高保真變體」到底改了什麼。 Cas9 BiologyPAM 與 R-loop Cas9 認得目標的兩道關卡：先讀 PAM，再一格一格拉開 R-loop。 AnalysisMM/PBSA 便宜的結合自由能估計，也是最常被過度解讀的數字。 AnalysisHNH 距離與構形檢查點 直接量那個決定專一性的構形開關開了多少。

這頁用到的名詞

off-targeton-targetspecificity ratioSpCas9-HF1eSpCas9(1.1)HypaCas9HiFi Cas9REC3GUIDE-seqCIRCLE-seqDigenome-seqRNPconformational checkpointPAM-distal