Off-target 與專一性Off-target effects and fidelity
切錯地方為什麼會發生，以及「高保真變體」到底改了什麼。
01一句話只有一句
off-target 是切錯地方；高保真變體修的不是結合，是檢查點。
02Why should I care?我為什麼要讀這頁
因為這一頁是整張地圖的支點：它要說明一整類現行做法在專一性這一維上量錯了什麼。
以平衡結合自由能為主軸的變體篩選流程（典型組合是序列設計模型與蛋白–核酸親和力預測器，接上 MM-PBSA 或 FEP）從頭到尾排的都是同一條軸。每一層都可以做得很認真。但最有名的那幾個高保真變體 —— SpCas9-HF1、eSpCas9(1.1)、HypaCas9 對 on-target 與 off-target 的結合親和力都跟 WT 差不多，它們贏在別的地方（第四個常用的 HiFi Cas9 是後來由細菌篩選找到的，它的結合親和力沒有被同樣直接比較過，本頁不把它算進這個宣稱裡）。如果 funnel 排的是 ΔG，那它在這批已知正確答案上就會排不出來。這不是「精度不夠」，是軸選錯了。
用你熟的世界講清楚這件事有多微妙：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，descriptor 於是有效。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。 有的是刻意設計出來的，有的是靠功能篩選撈出來的，但落點一樣。用一個建立在「井深 ↔ 障壁」關聯上的 descriptor 去排序一批剛好破壞該關聯的樣本，結果不是精度差，是接近隨機。
這一頁要交給你三樣東西：off-target 到底是什麼、大家怎麼量它、四個變體各自動了哪一組交互作用。看完之後，你會知道一篇談專一性的方法學論文，該把它的立論寫在哪一句話上。
03What這是什麼
Off-target。 同一條 sgRNA 導引下，Cas9 在非預期的基因體位點造成雙股斷裂。來源有三類：
- 錯配容忍 —— 主要是 PAM-distal 端的錯配。這是量最大的一類，也是本頁的重點（機制見 PAM 與 R-loop）。
- Bulge —— DNA 或 RNA 側多出一個鹼基造成的凸環，序列比對工具很容易漏掉。
- 非典型 PAM —— SpCas9 對 NAG、NGA 等序列有殘餘活性，比 NGG 弱但不是零。
專一性怎麼量。 三個常見的實驗方法，細節留給 Ground-truth 數據，這裡只給你判讀論文所需的最小知識：
| 方法 | 在哪裡做 | 原理一句話 | 主要限制 |
|---|---|---|---|
| GUIDE-seq | 活細胞內 | 用雙股 oligo（dsODN）插進 DSB 當標記，再定序找標記在哪 | 受限於細胞的遞送效率與偵測底限 |
| CIRCLE-seq | 試管內 | 把基因體 DNA 環化、消化掉線性殘餘，再用 Cas9 切，切開的才被定序 | 敏感度最高，但清單過度涵蓋：沒有染色質（chromatin，細胞裡把 DNA 纏起來的蛋白包裝，會擋住一部分位點） |
| Digenome-seq | 試管內 | 用切過的基因體 DNA 定序，找「一堆 read 的 5′ 端整齊對齊在同一點」的特徵 | 同上，體外環境；訊噪比受未切割背景限制 |
一個關鍵的判讀準則：CIRCLE-seq 找到的 off-target 位點通常比 GUIDE-seq 多得多，因為它是裸 DNA、沒有染色質遮蔽、且不受細胞內遞送限制。要講精確一點：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。這代表兩件事：（一）跨 assay 比較 off-target 的絕對數目沒有意義；（二）當 ground truth 用的時候，要先決定你要預測的是「體外可切性」還是「細胞內實際編輯」，這是兩個不同的量。
高保真變體：四種策略，一個共同主題。
| 變體 | 突變 | 動了什麼 | 一句話策略 |
|---|---|---|---|
| SpCas9-HF1 | N497A、R661A、Q695A、Q926A | 削弱蛋白與 target strand 磷酸骨架的非序列專一接觸 | 拿掉「白送的」結合能餘裕 |
| eSpCas9(1.1) | K848A、K1003A、R1060A | 削弱 non-target strand 溝槽的正電抓握 | 讓 NTS 更容易重新退火、R-loop 更容易塌回 |
| HypaCas9 | N692A、M694A、Q695A、H698A | 四個全落在 REC3，而且擠在 692–698 這七個殘基裡 | 直接鈍化 PAM-distal 感測，把檢查點調嚴 |
| HiFi Cas9 | R691A（單點） | REC3，就在 HypaCas9 那一叢的隔壁 | 由細菌篩選得到，特別保留 RNP 格式的 on-target 活性 |
看出共同主題了嗎：這四個沒有一個是在「增加對正確序列的辨識」，全部都是在「拿掉非序列專一的黏著力」。
但共同主題不等於同一條路徑，這點要講精確：HF1（N497／R661／Q695 三個在 REC3；Q926 不在，不同文獻分別把它歸給 L2 linker 與 RuvC-III）、HypaCas9（四個全在 REC3）、HiFi（R691 在 REC3）動的是「感應器」；eSpCas9(1.1) 的三個位點分布在 HNH／RuvC／PI 之間的正電溝槽，一個都不在 REC3，它動的是「握把」。所以「高保真變體的突變集中在 REC3」只對其中三個成立，寫進論文時不要一句話蓋過去。順帶一提 Q695A 同時出現在 SpCas9-HF1 與 HypaCas9，這個重疊不是巧合。
HypaCas9 四個突變全在 REC3、HF1 有三個在 REC3，兩者的專一性與 on-target 代價卻不一樣；HiFi 的 R691 就緊貼 HypaCas9 的 N692／M694／Q695，在 RNP 格式下的 on-target 活性卻是 82% 對 1.7%。「這個突變落在 REC3」的解析度是幾百個殘基，你要排序的差異是一個殘基。 任何只吃 domain 歸屬的打分函數，對這個問題是盲的（見 Domain 邊界）。
SpCas9-HF1／eSpCas9(1.1)／HypaCas9 對 on-target 與 off-target 的結合親和力與 WT 相近；它們的專一性來自構形檢查點，不是來自結合的差別。 文獻的精確說法是：光靠結合的改變不足以解釋高保真變體的準確度；而在帶 PAM-distal 錯配的底物上，SpCas9-HF1 與 eSpCas9(1.1) 的 HNH 會被鎖在非活化態。最硬的單一對照是 ΔREC3：切割速率降約 1000 倍，on-target 結合親和力卻接近 WT。 推論：ΔGbind 可以當粗篩（濾掉完全不結合的死變體），不能當專一性 ranker。
04Why為什麼重要
因為機制是一條因果鏈，而 ΔG 只量到鏈的第一環。
把 Cas9 是什麼 的第 3 步展開：
- R-loop 拉到底，RNA:DNA 雜合雙股的 PAM-distal 端被扭折（kinked）成一個特定的幾何。cryo-EM 顯示這裡是二選一：kinked 才導向切割，linear 就不活化。
- REC3 捕獲這段扭折構形。 這一步是整條鏈的閥門。
- REC3 抓穩之後，L1／L2 linker 以 gRNA:TS 雜合雙股為軌道，把 HNH 搬到 target strand 的 scissile phosphate 上，同時把 NTS 送進 RuvC 的活性中心。
- HNH 的 H840 到目標磷酸的距離，從失活態的 ~30 Å、經 pre-catalytic（5F9R）的 ~15 Å，走到催化態所需的個位數 Å（側鏈約 4–6 Å）。這三個數字的原子選擇不同（Cα 與側鏈能差好幾 Å），拿來比較之前必須先統一定義，見 HNH 距離。
- 雙股斷裂。
**PAM-distal 錯配打的是第 1 到 2 環：**雜合雙股停在 linear → REC3 抓不穩 → L1 docking 失敗 → HNH 停在檢查點 → 不切。整條鏈上，複合體從頭到尾都好好地綁在 DNA 上。它結合了，只是沒被放行。
補一個常被略過的細節：那個 linear 不活化態不只是「抓不住」，它還被 RuvC 的一段 loop 主動穩定住（SuperFi-Cas9 就是動那段 loop 做出來的）。所以容忍度是 REC3 與 RuvC loop 共同決定的，只盯 REC3 會漏掉一半的設計空間。
高保真變體做的事，是把這個閘門的容忍度調窄。 REC3 那一系（HF1／HypaCas9／HiFi）削弱感應器與雜合雙股、與核酸骨架的非序列專一交互作用，於是「勉強擺得出扭折構形」的邊緣情況不再能撐住 REC3 的捕獲；eSpCas9(1.1) 走的是另一條路 —— 中和正電溝槽對被排開的 NTS 的挽留，讓錯配的 R-loop 更容易被 DNA 自身的再雜交（rehybridization）拆掉。兩條路線的落點不同，但都是在調構形轉換的難易，不是在調結合井的深度。
Slaymaker 等人的模型是「Cas9 對 NTS 的挽留 vs 兩股 DNA 再雜交」的競爭，本身沒有量任何速率常數，也沒有處理 HNH 構形活化那一層（那要一年後才補上）。本站把它放進「調閘門」的敘事是再詮釋，不是原文主張。引用時請引原文的措辭，這種地方最容易被 reviewer 抓。
現在回到熱力學。ΔGbind 量的是「複合體形成」這件事整體的自由能。PAM-distal 那兩三個錯配在 20 格裡佔比小，前面十幾格賺到的配對自由能足以蓋過它；變體拿掉的那幾個非專一接觸，在 on-target 與 off-target 上拿掉的量差不多（它們本來就是非序列專一的）。兩件事加起來的後果是：
這兩行是定性推論，不是量出來的數字（沒有人逐項拆解過這幾個變體的結合自由能分項），所以它們的用途是解釋方向，不是拿去代入。真正被工程改動的量 —— 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。
要一個不靠推論的硬證據就用這個：Chen 等人把感應器 REC3 整塊刪掉，切割速率掉約 1000 倍，而對 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 —— 這一個實驗數字比上面整段論證都好用。
既然變體與 WT 的結合差異小，那在 on-target 底物上，變體與 WT 應該是統計上無法區分的 —— 這不是模擬失敗，這是正確答案。這一點在實測上也成立：eSpCas9(1.1) 在 on-target 底物上就是 null。 任何在 on-target 底物上「看到差異」的結果，都要先懷疑是取樣雜訊。
05How怎麼做
一、先承認 ΔG 有它的位置，但把它放對層。
粗篩層用 MM-PBSA 或序列／結構打分器（序列設計模型、蛋白–核酸親和力預測器那一類）是合理的：它們便宜，能濾掉「根本不結合」「摺不起來」的死變體。你的 thermoMPNN 分析已經給了一個很乾淨的例子：所有文獻上的專一性變體，ΔΔG_fold 都小於約 1 kcal/mol —— 也就是說它們全部通過穩定度閘。穩定度閘的功能是排除，不是排序。 這句話適用於整個粗篩層。
另一個支持多軸的證據：純序列的語言模型分數，與核酸感知的序列設計分數之間，相關性很低。 兩個都不是專一性 ranker，但它們是正交的訊號源，合併使用比單押一個好。
二、真正該當專一性軸的候選量。
- HNH–scissile phosphate 距離的分布（不是平均值，是分布與各態的佔據比例）。見 HNH 距離。
- REC3 與 RNA:DNA 雜合雙股 PAM-distal 端的接觸存續率（聚合量，不是逐殘基）。
- 雜合雙股 PAM-distal 端的彎折角（linear vs kinked 的直接幾何對應量，來自 cryo-EM 的分類，所以物理意義是現成的）。
- 檢查點態的佔據率：以 HNH 距離定義失活／檢查點／催化三區，比較 WT 與變體在帶錯配底物上的分布位移。
三者的共同要求：底物必須帶 PAM-distal 錯配，而且必須報跨 replica 的離散度。
三、你的可靠性分層決定了哪些量能進打分器。
跨 4 條 replica（5F9R 完整三元，535,265 atoms，~87 ns，H100）的 CV：
- 🟢 BSA 2.1%、總 protein–DNA 接觸 4.1%、target-DNA 接觸 9.4%、鹽橋 9.5% —— 可進打分器。
- 🟡 protein RMSD 12.2%、non-target 接觸 17.7% —— 只能當輔助。
- 🔴 interface iRMSD 23.9%、DNA RMSF 59.1%、groove 距離 48%、逐位點距離 38–46%、groove 接觸計數 145.5% —— 不可進打分器。
結論一句話：打分要用聚合量，不要用逐殘基／逐位點。 這個原則對本頁特別殘忍，因為「哪個殘基與 non-target strand 的距離變了」正是最直覺的變體分析方式 —— 而逐位點距離的 CV 是 38–46%。
四、一個具體的教訓：eSpCas9(1.1) 的三個 grip 位點不是等價的 —— 但也不能拿來下二分結論。
你量到的三個位點到 non-target 股的最小距離，逐 replica（seed 1–4）長這樣：
| 位點 | s1 | s2 | s3 | s4 | 平均 | CV |
|---|---|---|---|---|---|---|
| K848 | 0.6 | 0.7 | 0.3 | 1.0 | 0.7 nm | 44.6% 🔴 |
| K1003 | 2.3 | 1.1 | 2.0 | 1.1 | 1.6 nm | 37.7% 🔴 |
| R1060 | 1.8 | 0.5 | 2.0 | 1.7 | 1.5 nm | 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。 這個結果值得停下來想：
- 它與變體的名義機制（削弱 NTS 溝槽抓握）不矛盾 —— K1003／R1060 也可能是在 R-loop 形成的中間態才貼上 NTS，而你的起始構形是 R-loop 已完成的終態。
- 但它確實說明：把三個突變當成三個等價的「接觸削弱」來建模是錯的。
- 而它同時是本站方法學主張的自我示範。 三個量的 CV 都在四成上下（37.7–46.4%），全部落在 noise tier；逐 replica 的差異大到蓋過位點之間的差異 —— R1060 平均 1.5 nm，卻在 replica 2 貼到 0.5 nm。所以不可以從平均值推出「隔著兩奈米，不可能有靜電接觸、不可能形成鹽橋」這一類二分結論。逐位點距離只能拿來排量級，不能拿來判有無。
- 而且它示範了一件更一般的事：變體的設計理由（來自某個結構或某個直覺）與你模擬的那個特定狀態，未必對得上。 每一個變體都要先確認「在我的起始構形裡，這個殘基到底碰得到什麼」，而且要逐 replica 看、不要只看平均。這個檢查花不到十分鐘。
五、成本量級（「便宜」是這個 project 的硬約束）。
- 檢查點分布：需要帶錯配底物 × WT 與變體 × 至少 3–4 條 replica。成本用你自己跑過的東西當單位就好：一個條件 ≈ 你已經做過的那一整批（535,265 atoms、4 replica × ~87 ns、H100）。條件數 = 變體數 × 底物數，這個乘法才是 workflow 設計的主要成本壓力來源。真正的 GPU-hour 請用你自己 log 裡的 ns/day 換算，不要抄任何人給的數字（系統大小、水盒形狀、輸出頻率都會差好幾倍）。
- 現實約束：單一系統在五十萬原子量級，需要資料中心級 GPU；而可同時執行的工作數與可用儲存空間都有硬上限。條件數必須先在紙上砍到可行，再開始跑。
- FEP 對這個問題不划算：更貴，而且量的還是 ΔGbind。
06When什麼時候用
- 要主張某個變體比較專一時。 專一性是比值，不是單一數字 —— on 與 off 都要量，只報 off-target 下降是不完整的（活性掉光了 off-target 當然也掉）。
- 要挑 benchmark 集合時。 四個文獻變體（HF1／eSpCas9(1.1)／HypaCas9／HiFi）加上 WT，是最現成、最有已發表對照數據的正對照組 —— 但標籤要來自同一種遞送格式，質體與 RNP 的數字混用會直接把排序打亂（見 When NOT 第 5 條）。
- 要判斷一個篩選流程的打分軸選得對不對時。 上面的變體表加因果鏈，可以在不引用任何 MD 結果的前提下說明為什麼平衡結合自由能不足以排序專一性。
- 要判斷一篇 Cas9 計算論文的價值時。 先看它用什麼底物、排什麼軸。用 on-target 底物排 ΔG 的工作，無論方法多精緻，對專一性都沒有訊息。
- 要寫這一類方法學論文的 introduction 時。 「現行 funnel 排錯軸」這個 gap 就在這一頁，而且有文獻與可靠性分析雙重支撐。
07When NOT什麼時候別用
-
不要用 on-target 底物評估專一性變體。 為什麼會壞： 高保真變體的機制是收窄容忍邊緣情況的閘門；在完美配對的底物上根本沒有邊緣情況，變體與 WT 在物理上就該相同。怎麼看出它壞了： 你的所有 metric 在 WT 與變體之間全部落在誤差棒內重疊 —— on-target 底物上的 eSpCas9(1.1) null 就是標準長相。看到這個結果不要調參數，要換底物。
-
不要用 ΔGbind 排序專一性。 為什麼會壞： 被排序的對象（高保真變體）恰好是一批「結合幾乎沒動、閘門被調窄」的樣本 —— 有的是被刻意這樣設計的（HF1／eSpCas9／HypaCas9），有的是靠功能篩選撈出來的（HiFi），但結果都落在同一個位置。怎麼看出它壞了： 你的 ranking 與已發表 specificity ratio 的 Spearman 相關接近 0；而且你會發現排序主要由變體的整體帶電量或界面大小驅動，不是由專一性驅動。
-
不要拿逐殘基／逐位點的幾何量當打分軸。 為什麼會壞： 你的可靠性分析已經判它們出局 —— 逐位點距離 CV 38–46%、groove 接觸計數 145.5%。怎麼看出它壞了： 換一個亂數種子，變體排序就翻轉；或者 n=2 時看起來很漂亮、加到 n=4 就崩掉（你在逐殘基 top-8 上量過：2 replica 時 6/8，4 replica 時 3/8）。
-
不要拿體外 assay 的 off-target 清單當細胞內 ground truth。 為什麼會壞： CIRCLE-seq 是裸 DNA，沒有染色質遮蔽、沒有細胞內濃度與時間限制，所以它的清單過度涵蓋 —— 那些位點在試管裡是真的會被切，只是在細胞裡不會。你如果拿它當細胞內標籤，等於把「可切但被包起來」的位點全部標成偽陰性去懲罰模型。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，而掉下來的位點集中在染色質可及性低的區域。
-
不要把「off-target 變少」直接當成「專一性變好」。 為什麼會壞： 活性整體下降也會讓 off-target 訊號下降。怎麼看出它壞了： 你的報告裡只有 off-target 的欄位，沒有配對的 on-target 欄位。
這裡有一個非常具體的坑，值得單獨記住：同一個變體的 on-target 活性，會因為「怎麼把 Cas9 送進細胞」而天差地別。 用質體遞送測，HypaCas9 在 24 個內源位點裡有 19 個保留 >70% WT 活性，看起來幾乎沒有代價；換成 RNP（ribonucleoprotein，先把 Cas9 蛋白與 sgRNA 在試管裡組好再送進細胞，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。所以文獻上的活性數字不是互相矛盾，是條件不同；引用時一定要連遞送格式一起講。 這對你的 benchmark 直接有後果：你的 ground truth 是質體數據還是 RNP 數據，決定了你在對哪個排序做校準（見 Ground-truth 數據）。
-
不要跨 assay 或跨論文比較 off-target 位點的絕對數目。 為什麼會壞： 偵測底限、遞送效率、定序深度、篩選閾值全都不同。怎麼看出它壞了： 同一個變體在兩篇論文裡的 off-target 數差一個數量級，而你正打算把它們放進同一張排序表。
-
不要假設變體的名義機制在你的起始構形裡成立。 為什麼會壞： 設計理由可能來自某個中間態的結構，而你的系統是終態。怎麼看出它壞了： 你的 K1003／R1060 案例 —— 名義上是 NTS 溝槽抓握，在你的終態構形裡平均卻在一到兩奈米之外，而且逐 replica 從 0.5 到 2.3 nm 都有，名義機制在這個狀態下沒有一個穩定的對應。
08Project Lens跟我的 project 多相關
為什麼是五星： 因為這一頁決定的是排序軸本身，而不是排序軸上的精度。
kinetics vs equilibrium 是這一整類篩選流程的結構性盲區。 漏斗全程排序平衡結合 ΔG，而高保真變體（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。這不是「可以做得更準」的增量問題，是「這一類 funnel 量錯了對象」的框架級問題 —— 而框架級的問題，只有框架級的論證回答得了。
為什麼不是更低： 因為它不是純理論，已經有數據在支撐：
- eSpCas9(1.1) 在 on-target 底物上是 null —— 直接證明「底物設計錯了就什麼都量不到」。
- 三個 grip 位點裡只有 K848 貼著 non-target 股（平均 0.7 nm），K1003／R1060 平均在一到兩奈米外、逐 replica 卻從 0.5 到 2.3 nm 都有 —— 一次證明兩件事：變體的名義機制未必在你的構形裡成立，而逐位點距離（CV 約四成）本身也撐不起「有沒有接觸」這種二分結論。
- thermoMPNN：所有文獻專一性變體 ΔΔG_fold < ~1 kcal/mol —— 直接證明「穩定度閘只能排除，不能排序」。
但五星不代表已經解決，這點必須誠實。 把構形檢查點指標變成一個經實驗校準的排序軸，目前仍是一個開放問題。這一頁論證的是軸該怎麼選，不宣稱已經有一個現成可用的替代 ranker —— 從「知道 ΔG 不行」到「有一個可用的替代」，中間還隔著一整段工作。誠實地把這個 gap 標出來，比假裝已經有解好。
具體怎麼用（三層，成本由低到高）：
- Gate A｜排除層（幾乎免費） —— thermoMPNN 穩定度閘 + 序列／結構打分器。功能是刪掉死變體。明標為排除，不是排序。
- Gate B｜粗排層（便宜） —— MM-PBSA。功能是把明顯不結合的往後放。明標其專一性解析度接近零。
- Gate C｜專一性層（貴，也是唯一真的在排專一性的一層） —— 帶 PAM-distal 錯配底物、WT 與變體、≥3 replica，量 HNH 距離分布、REC3 接觸存續率、雜合雙股彎折角，全部取聚合量。條件數要先在紙上砍到現有算力配額跑得完的規模。
09Reviewer Thinkingreviewer 會問什麼
你主張結合自由能不能排序專一性。那你的替代軸校準過嗎？跟什麼實驗量對得起來？點開看參考答案
這是最難回答的一問，而且對任何還在建立排序軸的工作，誠實的答案通常都是「還沒有」。可以給出的具體計畫是：用四個文獻高保真變體加 WT 當測試集，以已發表的 specificity ratio（on-target 編輯效率 ÷ off-target 編輯效率，同一組 guide、同一個 assay、同一種遞送格式）當 ground truth，計算你的檢查點指標與它的 rank correlation。同時必須自己說出這個計畫的兩個弱點：n=5 的 rank correlation 統計力極低；而且 ground truth 本身隨遞送格式漂移（同一批變體在質體與 RNP 下的 on-target 排名幾乎相反），所以只能當可行性展示，不能當驗證。先講出來，比被講出來好。
「高保真變體的結合親和力與 WT 相近」——這句話的出處是什麼？會不會是你為了立論而簡化？點開看參考答案
正確的引用方式是引文獻的精確措辭，而不是自己的簡化版：文獻的說法是結合的改變不足以解釋高保真變體的準確度，以及在帶 PAM-distal 錯配的底物上 SpCas9-HF1 與 eSpCas9(1.1) 的 HNH 會被鎖在非活化態。這兩句合起來支持「差別在檢查點」，但不等於「結合完全相同」。在論文裡請用前者的措辭。過度簡化成「親和力完全一樣」是這個論點最容易被打掉的地方，而且沒有必要 —— 論證本來就不需要那麼強的前提。
如果只能留一個數字上場，留這個：ΔREC3（把感應器整塊刪掉）讓切割速率降約 1000 倍，而 on-target 結合親和力接近 WT。 它是同一篇論文裡的對照實驗，不牽涉任何變體之間的比較，因此也最難反駁。
你看到的 WT 與變體差異，怎麼確定不是取樣不足造成的？點開看參考答案
用你自己的可靠性分層回答，並且主動把它放進補充材料：跨 4 條 replica 的 CV，聚合量（BSA 2.1%、總接觸 4.1%、target-DNA 接觸 9.4%、鹽橋 9.5%）在可用區間，逐殘基與逐位點量（38–146%）在不可用區間，因此所有結論只建立在前者上。再加一句更硬的：我們在 n=2 時觀察到逐殘基一致性 6/8，加到 n=4 掉到 3/8，因此本工作不採用任何逐殘基結論。 主動展示自己踩過的坑，是最有效的可信度建立方式。
為什麼不直接跑 FEP？那是結合自由能的黃金標準。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。第二，才是成本。 順序不能反：先講觀測量與機制的對應，成本才退成次要論據；先講成本，這個主張就會被讀成資源不足的藉口，而軸的問題根本沒有被回答。另外可以補一句：FEP 在這裡還有實務難處 —— 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。
你的結論建立在 SpCas9 的四個變體上。這個 workflow 對還沒被研究過的新變體有預測力嗎？點開看參考答案
誠實的答案分兩段。框架有：「專一性由構形閘決定」不依賴特定變體，任何動到 REC3–PAM-distal 感測或核酸骨架非專一接觸的突變，原則上都能用同一組指標評估。外插能力沒有被驗證： 四個已知變體是訓練與展示用的，不是獨立測試集。要主張預測力，需要一個 held-out 的新變體與後續實驗驗證 —— 這應該寫成 future work，不是寫成 claim。
10Common Mistakes最常犯的錯
- 只報 off-target 下降，不報 on-target 活性。 後果：把活性下降誤讀成專一性提升。正解：專一性是比值，兩個數字一起報，並且用同一組 guide。
- 用 on-target 底物比較 WT 與變體。 後果：null 結果，浪費整批 GPU 時數。正解：底物必須帶 PAM-distal 錯配，錯配位置寫進方法段。
- 把 MM-PBSA 或 FEP 的 ΔG 當成專一性分數。 後果：排序與實驗無關，且錯誤會一路傳到 funnel 下游。正解：ΔG 留在排除／粗排層，專一性層改用檢查點指標，並在論文裡明說分層理由。
- 用逐位點距離或 groove 接觸計數當打分軸。 後果：CV 38–146%，換個種子排序就翻。正解：只用聚合量（BSA、總接觸、鹽橋），並附跨 replica 誤差。
- 假設變體的三個突變等價。 後果：與實測不符（平均距離 K848 0.7 nm、K1003 1.6 nm、R1060 1.5 nm）。正解：每個突變殘基先在你的起始構形裡量一次實際接觸距離，而且逐 replica 報分布不是只報平均 —— 這三個量的 CV 都在四成上下，只夠判量級，不夠判有無接觸。
- 混用 GUIDE-seq 與 CIRCLE-seq 的位點清單當同一個 ground truth。 後果：標籤雜訊蓋過你的訊號，benchmark 失去意義。正解：一個 benchmark 只用一種 assay，並明說預測的是體外可切性還是細胞內編輯。
- 把「這批變體都通過穩定度閘」講成「穩定度閘有效」。 後果：把一個排除工具誤當排序工具。正解：thermoMPNN 的 <1 kcal/mol 結果證明的是「它們都是 fold-neutral」，也就是這個閘在這批樣本上沒有解析度。
11Further Reading讀哪幾篇
12Summary三句話
Off-target 是同一條 sgRNA 在非預期位點造成的切割，主要來自 PAM-distal 端的錯配 —— 那類錯配讓 RNA:DNA 雜合雙股停在拉直而非扭折的構形，於是 Cas9 綁得住卻切不了。四個高保真變體（SpCas9-HF1、eSpCas9(1.1)、HypaCas9、HiFi Cas9）沒有一個是在增強對正確序列的辨識，它們全部在削弱非序列專一的黏著力 —— 三個削的是 REC3 這個感應器，eSpCas9(1.1) 削的是正電溝槽對被排開單股的挽留 —— 因而前三者對 on/off-target 的結合親和力與 WT 相近，差別在構形檢查點的動力學。這就是為什麼平衡結合自由能只能當排除與粗排，專一性的排序軸必須改用 HNH 距離 分布這類檢查點指標，而且底物一定要帶 PAM-distal 錯配。