PAM 與 R-loopPAM recognition and R-loop formation
Cas9 認得目標的兩道關卡：先讀 PAM，再一格一格拉開 R-loop。
01一句話只有一句
PAM 是 Cas9 的入場券，R-loop 是它一格一格驗票的過程。
02Why should I care?我為什麼要讀這頁
因為你的模擬把這一整章跳過了，而你必須知道自己跳過了什麼。
5F9R 是完整 R-loop 已經形成的三元複合體。你把它放進 535,265 個原子的水盒、跑 4 條 ~87 ns 的軌跡，那是從「驗票完成、人已經在場內」開始的。R-loop 怎麼拉開、什麼時候拉不開、哪一格卡住就退票 —— 這些事在你的軌跡開始之前就發生完了。
用你熟的講法：這相當於你只放了最終吸附態的 POSCAR，跑了很漂亮的 AIMD，然後在論文裡談吸附機制。沒有人會讓你這樣過。分清楚「我的起始構形對應反應座標上的哪一點」是方法論的最低門檻，而這一頁就是幫你在 Cas9 的反應座標上定位。
但這一頁的價值遠不止防守。它裡面藏著這條 workflow 最貴、也最便宜的一個決定：錯配要放在 protospacer 的哪一個位置。 貴，是因為放錯了整批 GPU 時數報銷；便宜，是因為這個決定不花任何算力，只花你讀完這一頁的二十分鐘。這是一個很容易踩的坑：在完美配對的 on-target 底物上，高保真變體與 WT 在物理上就該相同，因此量不到差異是正確結果、不是模擬失敗（eSpCas9(1.1) 就是現成的例子）。這一頁就是在按下 sbatch 之前把這件事想清楚的地方。
03What這是什麼
PAM（protospacer adjacent motif）。 SpCas9 的 PAM 是 5′-NGG-3′，三個鹼基，緊接在 protospacer 的 3′ 側，讀在 non-target strand 上。它是 DNA 自己的序列，不在 sgRNA 裡 —— 這一點很多人第一次會弄混。PI domain 的 R1333 與 R1335 伸進 major groove，各自與一個 G 形成雙齒氫鍵，直接把鹼基身分讀出來。
PAM 存在的生物學理由很優雅：細菌自己的 CRISPR array 裡也有 protospacer 序列，但沒有 PAM，所以 Cas9 不會切自己。對你則有一個更實用的推論：基因體的搜尋空間先被 PAM 砍掉一大截。 給一個有出處的錨點：Sternberg 等人在 λ 噬菌體基因體上實際數過，5,677 個 PAM，約每 8.5 bp 一個。把同樣的密度套到 3.1 Gb 的人類基因體，NGG 位點會落在 10⁸ 的量級。這仍然是個大數字，但它把「掃每一個位置」變成「只在有旗子的地方停下來問問題」。
λ 的 GC 含量約 50%，人類約 41%，GG 出現的機率不一樣，所以上面只能當量級看，不能當精確計數。要真數，就自己在參考基因體上跑一次 NGG 掃描 —— 那是幾分鐘的事，不需要引用別人的數字。
Protospacer 與 R-loop。 sgRNA 5′ 端的 20 nt spacer 與 target strand 配對，形成一段 RNA:DNA heteroduplex；被 RNA 頂掉的 non-target strand 擠出來變成一段單股。heteroduplex ＋ 被排開的單股 ＝ R-loop，一個三股結構。被鎖定的那 20 bp 目標位點就叫 protospacer，慣例上把序列寫在 NTS 上（NTS 序列與 spacer 相同），PAM 接在它的 3′ 側。
R-loop 是定向展開的。 這是本頁最重要的一句話。單分子實驗顯示：DNA 的局部解鏈從 PAM 端開始，然後沿著 protospacer 一格一格往遠端延伸。啟動這件事的是 phosphate lock loop（K1107–S1109 這一段；接觸主要由 K1107 與 S1109 提供）：它鎖住的是 target strand 上介於 PAM 與第 +1 位之間的那個磷酸（習慣上叫 +1 phosphate），把 +1 核苷酸轉出來與 guide RNA 配對，同時穩住 PAM 旁邊那段局部解開的雙股，讓 RNA 有地方插進去。
兩股方向相反，所以方位很容易搞反：PAM 端 ＝ spacer 的 3′ 端 ＝ seed 區；PAM-distal 端 ＝ spacer 的 5′ 端。
CFD／Doench 那一系從 spacer 的 5′ 端數起，所以位置 20 緊鄰 PAM；Cas9 模擬文獻（例如 Ricci 等人標成 mm@18–20 的那組 PAM-distal 錯配）卻是從 PAM 端數起，位置 20 在最遠端。兩套編號剛好左右顛倒。在自己的檔案與方法段裡不要只寫位置編號，一律寫成「距 PAM 幾 nt」或直接標 seed／PAM-distal。 這是零成本就能消滅的一整類溝通事故。
因此 20 個位置不是等權重的，它們被分成兩個功能區：
- Seed region —— PAM 端起算約 10–12 nt。拉鏈從這裡開始拉，所以這裡的錯配等於拉鏈根本開不了。這一段的錯配幾乎必然廢掉切割。Sternberg 等人的單分子數據給了兩個很硬的錨點：要有 ≥12 bp 的 PAM 近端互補才會有顯著穩定的結合；而緊鄰 PAM 的錯配即使後面全對，仍然「completely inert to binding」。
- PAM-distal region —— 遠端那一段，文獻慣用是 guide 的第 13–20 位（自 PAM 端起算，見上面的編號警告；起點會隨 seed 邊界取 8、10 還是 12 nt 而浮動，不是一個固定常數）。拉鏈到這裡已經拉得差不多了，錯配不會阻止結合，但會讓 RNA:DNA 雜合雙股的遠端沒辦法擺出 REC3 要的扭折（kinked）構形，而是停在拉直（linear）的不活化構形。
文獻常見的寫法是「PAM 端起算 10–12 nt」，但不同 assay 給的邊界不一樣（也有寫 8–12 的），而且它與 guide 序列本身有關。不要在論文裡把它當成一個精確常數引用。 如果你的結論對 seed 的確切邊界敏感，那個結論本身就有問題。
兩種錯配，兩種完全不同的失效機制：
| Seed 錯配 | PAM-distal 錯配 | |
|---|---|---|
| R-loop 會不會形成 | 拉不開或只拉一小段 | 拉得開，甚至拉到底 |
| Cas9 會不會結合 | 幾乎不結合 | 會結合，而且可能很緊 |
| 為什麼不切 | 沒進到檢查點 | 卡在檢查點 |
| 對 ΔGbind 的影響 | 大 | 小 |
| 對高保真變體的敏感度 | 低（WT 本來就不切） | 高（這是變體發威的地方） |
最後兩列是整站的支點：平衡結合自由能對 seed 錯配還算有訊號，對 PAM-distal 錯配幾乎沒有訊號 —— 而後者正是 off-target 真正的來源，也正是高保真變體在對付的東西。
04Why為什麼重要
因為 R-loop 的定向展開，可以借用一個一維成核與成長的圖像來想，而這個框架你已經會了。
PAM 是 nucleation site：沒有它，成核不會發生 —— Sternberg 等人用單分子實驗證明，與 sgRNA 完全互補但附近沒有 PAM 的序列會被完全無視。成核之後，heteroduplex 沿著一維座標（配對數 0 → 20）延伸，每多一格就多一份自由能增量：配對正確的格子貢獻負的 ΔG，錯配的格子貢獻正的懲罰。整條路徑的自由能剖面決定 R-loop 是走到底、還是在半路塌回去解離。
先講清楚這是模型不是量測：「逐格可加的一維自由能剖面」是文獻上常用的簡化（配對格子彼此獨立、蛋白的貢獻被折進常數），它解釋得了位置不對稱，但沒有人逐格量過那些自由能增量。拿它產生假說可以，拿它當定量預測不行。
這個圖像立刻解釋了為什麼位置這麼重要。懲罰放在成核端（seed），等於把成核的活化能墊高 —— 系統連第一步都跨不過去，於是「不結合」。懲罰放在成長的末端（PAM-distal），前面十幾格已經賺到夠多的負自由能，這一點懲罰吃得下去 —— 於是「結合了，看起來很正常」。
但生物學不打算就這樣放過它。R-loop 拉到底之後還有第二關：REC3 要去抓 RNA:DNA 雜合雙股 PAM-distal 端那段扭折（kinked）構形，抓住了 L1／L2 linker 才能把 HNH 搬到 scissile phosphate（見 Cas9 是什麼 的第 3 步）。帶 PAM-distal 錯配時，雜合雙股改停在拉直（linear）的不活化構形 —— 它躲得過熱力學的門，躲不過構形的門。
值得記一筆的是：cryo-EM 顯示那個 linear 不活化態不是單純「抓不住」而已，它還被 RuvC 的一段 loop 主動穩定住。所以「PAM-distal 感測 ＝ REC3」是個好用但不完整的簡化，真正的容忍度是 REC3 與 RuvC loop 共同決定的（SuperFi-Cas9 就是動那段 loop 做出來的）。你要設計新變體時，這條線索比只盯著 REC3 值錢。
位置決定機制，機制決定你該量什麼。 Seed 錯配是熱力學問題（會反映在 ΔG 上），PAM-distal 錯配是構形問題（不會反映在 ΔG 上）。把兩者混在同一個 benchmark 裡，你會得到一個看起來「部分有效」的打分器 —— 它其實只是抓到了 seed 那一半，而那一半本來就不需要 MD 來抓。
05How怎麼做
一、建系統時，PAM 必須在座標裡，而且要檢查它在。
5F9R 有完整的 PAM duplex，這是它比預測結構好用的原因之一。開檔之後花三分鐘確認：PAM 的兩個 G 在不在、R1333／R1335 的側鏈朝向對不對、+1 phosphate 附近有沒有 K1107–S1109 那段 loop。這個檢查比任何後續分析都便宜。
但 5F9R 不是全都有座標。 它的 non-target 股共 30 個核苷酸，residues 1–11 完全沒有電子密度（只有 12–30 有座標，約 63% modeled），而缺的那 11 個正是被排開、要走向 RuvC 的 PAM-distal 單股。也就是說：你系統裡那段 NTS 是你自己建模補的。 這件事必須寫進方法段，而且所有與 NTS 相關的數字都要記得它的來源等級不同 —— RMSF 那頁量到補出來的 5′ 端 RMSF 有 6–8 Å、晶體本體只有 3.9 Å，就是這件事的代價。
二、追蹤 R-loop 的完整度，當作 QC，每條軌跡都要做。
最實用的量是 RNA:DNA 配對的存續率：逐格計算 heteroduplex 的鹼基配對（用氫鍵幾何判準或 base-pair 分析工具），畫成「位置 × 時間」的熱圖。你要看的是有沒有某幾格在中途鬆掉、以及鬆掉的位置是不是集中在 PAM-distal 端。
三、想真的看 R-loop 拉開或塌陷，unbiased MD 不夠，需要 enhanced sampling。
合理的 CV 有兩類：配對數（0 → 20 的整數座標，最直觀）與 RNA:DNA 雜合雙股 PAM-distal 端的彎折角（linear vs kinked）。方法用 umbrella sampling 沿配對數打窗，或 metadynamics。成本量級： R-loop 展開是微秒到毫秒尺度的事件，要在窗與窗之間收斂，累積取樣量至少落在 O(10) μs —— 對照你現在的 4 × ~87 ns ≈ 0.35 μs，這是 30 倍起跳的差距，而 30 倍只是下限（真要收斂多半更多）。在可同時執行的工作數與儲存空間都有硬上限的算力現實下，這件事現階段不該做，該做的是把第 3 步做紮實。
四、你的可靠性數據已經告訴你哪些 DNA 相關的量能用。
跨 4 條 replica 的 CV：
- 🟢 總 protein–DNA 接觸 4.1%、target-DNA 接觸 9.4% —— 可用。
- 🟡 non-target 接觸 17.7% —— 勉強。這與物理是自洽的：NTS 是被擠出來的那股，本來就最沒有約束。
- 🔴 DNA RMSF 59.1%、groove 距離 48%、逐位點距離 38–46%、groove 接觸計數 145.5% —— 不可用。
翻成一句操作準則：要講 R-loop 的事，用聚合接觸數，不要用逐位點的幾何量。
五、起始結構的選擇，比你想的更致命。
同一套分析、同一組 metric，只換起始結構：Chai-1 預測結構起始 → 逐殘基 top-8 接觸殘基 0/8 共享、ρ ≈ −0.03（等同隨機）；改用 5F9R 晶體起始 → 3/8 共享 [450, 695, 765]、pairwise Jaccard 0.48、Spearman +0.77。元兇是起始結構，不是 metric。 而這件事與本頁高度相關，因為 Chai-1 的 target DNA pLDDT 只有 64–65（低信心）—— 預測模型最不確定的地方，恰好就是 R-loop。
06When什麼時候用
- 設計錯配底物時。 先問「我要測的是熱力學閘還是構形閘」，再決定錯配放 seed 還是 PAM-distal。這是本頁最主要的用途。
- 解讀任何 off-target 清單時。 拿到 GUIDE-seq／CIRCLE-seq 的結果，第一件事是把每個 off-target 的錯配位置標出來。清一色落在 PAM-distal 的清單，跟散布全長的清單，能支撐的結論完全不同。
- 檢查系統有沒有崩掉時。 R-loop 配對存續率是最靈敏、最便宜的健康檢查之一，比 RMSD 更能反映「這個複合體還是不是原來那個複合體」。
- 判斷一篇論文能不能信時。 看它的錯配底物設計。如果它宣稱測了專一性卻用 on-target 底物，或者錯配位置沒交代，可以直接降權。
- 要解釋為什麼 ΔG 排不出專一性時。 上面那張 seed vs PAM-distal 對照表是最短的說明路徑，不需要任何 MD 結果背書。
07When NOT什麼時候別用
- 不要用 seed 錯配的底物去測 PAM-distal 的假說，反之亦然。 兩者的失效機制不同（一個擋在成核，一個擋在檢查點），所以它們對同一個 metric 的反應完全不同。為什麼會壞： 你會拿到一個「有訊號」的結果，然後把訊號誤歸因給錯誤的機制。怎麼看出它壞了： 你的 ΔG 打分器在 seed 錯配上表現不錯、在 PAM-distal 上掉到隨機 —— 這不是打分器不穩，是它從頭到尾只會做熱力學那一半。
- 不要在 ~100 ns 的 unbiased MD 裡期待看到 R-loop 展開或塌陷。 事件在微秒到毫秒尺度。為什麼會壞： 你會看到一個從頭穩到尾的 R-loop，然後誤以為「R-loop 穩定性被驗證了」。怎麼看出它壞了： 算 RNA:DNA 配對存續率，如果 20 格全程 100% 不變、跨 replica 也一模一樣，那是取樣不足的特徵，不是穩定的證據 —— 真正平衡的系統在末端幾格會有可見的呼吸。
- 不要為了省原子把 PAM duplex 截掉。 PAM duplex 是整個 R-loop 唯一還維持雙股的錨點，而 phosphate lock 鎖住的那個 +1 phosphate 在 target strand 上（PAM 的序列雖然寫在 NTS 上，被鎖住的磷酸卻在 TS 上）。為什麼會壞： 截掉之後，TS 的 PAM 端失去那個定點，NTS 也少了唯一被雙股固定住的那一端（它的 5′ 端本來就是自由的被排開單股），兩股在 PAM 端都沒有東西拉住，把假的柔軟度灌進你所有的 DNA 相關 metric。怎麼看出它壞了： DNA RMSF 在 PAM 端異常高（正常情況那裡應該是最硬的），而且數值隨軌跡長度單調上升。
- 不要拿結構預測出來的 R-loop 當定量分析的起點。 Chai-1 的 target DNA pLDDT 只有 64–65。為什麼會壞： 幾何上一點點偏差，會在逐殘基層級完全洗掉訊號。怎麼看出它壞了： 你自己的數據就是答案 —— Chai-1 起始的逐殘基 top-8 共享是 0/8、ρ ≈ −0.03，換成 5F9R 才回到 3/8、Spearman +0.77。
- 不要假設 20 個位置等權重。 任何把 protospacer 當成「20 個獨立、可加性相同的位點」的打分模型（包括很多簡單的錯配計分表），都內建了這個假設。為什麼會壞： 它會系統性高估 seed 錯配的 off-target 風險、低估 PAM-distal 的。怎麼看出它壞了： 把預測與實測 off-target 依錯配位置分層畫殘差，你會看到殘差隨位置有明顯的系統性趨勢。
- 不要在論文裡把 seed 寫成一個精確的長度常數。 不同 assay 給的邊界不同。為什麼會壞： reviewer 只要抓到你引用的數字與他熟的那篇不一致，後面的東西都會被多看兩眼。怎麼看出它壞了： 你的結論隨 seed 邊界取 10 或 12 而翻轉 —— 那結論本來就不夠強。
08Project Lens跟我的 project 多相關
為什麼是五星： 因為這是唯一一個零算力、卻能報銷整批 GPU 時數的知識。
這裡有一個現成的實證：eSpCas9(1.1) 在 on-target 底物上是 null —— 本來就該 null，要看效應必須用 mismatched 底物。這種結果在物理上沒有任何錯，問題出在底物設計，而底物設計完全由這一頁決定。在「便宜」是硬約束的專案裡（算力配額與儲存空間都是硬上限），一個能在你按下 sbatch 之前就攔住錯誤的知識，價值高於任何後端分析。
為什麼不是更低： 因為它同時是你論證「ΔG 選錯軸」的物理基礎。你可以不引用任何 MD 結果，光靠 seed vs PAM-distal 的對照表就把論點講完：off-target 主要來自 PAM-distal 錯配，而 PAM-distal 錯配對結合自由能的影響小 —— 所以用 ΔG 排序專一性，等於用一把量不到目標的尺。這個論證在跨組討論時特別有用，因為它不需要任何人先接受某一組模擬結果。
它在你的數據裡的位置： 你的 DNA 相關 metric 已經被可靠性分析分好層了 —— target-DNA 接觸 CV 9.4% 可用、non-target 接觸 17.7% 勉強、DNA RMSF 59.1% 與 groove 接觸計數 145.5% 不可用。這一頁告訴你為什麼會是這個排序（NTS 是被排開的那股，本來就最不受約束），也告訴你該把打分軸押在哪一類量上。
具體怎麼用： 在 workflow 的最前面加一個零成本的底物設計閘：每一個要跑的系統，都必須先寫下「錯配距 PAM 幾 nt、屬於 seed 還是 PAM-distal、預期打到熱力學閘還是構形閘」。三行字，擋掉一整類白跑。
09Reviewer Thinkingreviewer 會問什麼
你的錯配底物為什麼放在那個位置？請說明設計理由。點開看參考答案
這一問聽起來像小問題，其實是在測你懂不懂機制。可以給出的回答是：因為我們要測的是構形檢查點，而不是熱力學結合，所以錯配必須放在 PAM-distal 區。 Seed 錯配會讓 R-loop 根本拉不開，複合體在檢查點形成之前就解離，那條軌跡量不到任何檢查點的資訊；PAM-distal 錯配則允許 R-loop 完成、複合體穩定存在，同時讓雜合雙股停在 linear、擺不出 REC3 所需的扭折構形 —— 這正是我們要觀察的失效模式。如果 reviewer 追問「那 seed 錯配你們不管嗎」，答案是：seed 錯配的區分靠序列層工具就夠了，不需要動用 MD。
你從已完成的 R-loop 三元複合體起始，那你對 R-loop 形成過程能講什麼？點開看參考答案
誠實的答案是：不能講。 R-loop 的定向展開在微秒到毫秒尺度，我們的 4 × ~87 ns 完全碰不到，要碰得先做沿配對數的 umbrella sampling 或 metadynamics，累積取樣量在 O(10) μs 的量級。我們能講的是 R-loop 已完成之後、檢查點附近的構形分布。把這兩句直接寫進 limitations，reviewer 就沒有東西可以攻擊；含糊帶過反而會被當成宣稱。
你怎麼確定模擬過程中 R-loop 沒有部分崩解，導致你在分析一個已經不存在的狀態？點開看參考答案
報 RNA:DNA 配對的逐位置存續率，做成「位置 × 時間」的熱圖，四條 replica 都放進補充材料。這個檢查非常便宜卻幾乎沒人做，主動放上去會直接提高 reviewer 對整份工作的信任度。要注意的是反方向也是壞消息：如果 20 格全程 100% 不變，那是取樣不足，不是穩定。
你引用的 seed region 是 10 到 12 nt，但我看到的文獻寫 8 到 12。這個差異會不會影響你的結論？點開看參考答案
正確的回答是：seed 不是一條銳利的邊界，它隨 assay 與 guide 序列而變，我們的結論不依賴確切邊界。 然後給出證明 —— 而證明的方式是把設計放在爭議之外：錯配一律放在距 PAM 16 nt 以上的位置，這樣無論 seed 取 8、10 還是 12 nt，分類都不會翻。注意回答時不要只講位置編號（「第 18 位」在兩套通行編號裡指的是相反的兩端，見上面的 warn），一律講「距 PAM 幾 nt」。把設計放在邊界爭議之外，比在論文裡跟人爭邊界更有效。
PAM 本身要不要放進你的自由能計算的「結合」定義裡？點開看參考答案
這一問對做 MM-PBSA 或 FEP 的人是真的陷阱。PAM duplex 與 R1333／R1335 的交互作用是所有位點共有的，它在 on-target 與 off-target 之間幾乎不變，所以放進去只會讓兩邊的絕對值一起變大、差值不變，卻大幅增加統計雜訊。要比較的量請用差值，並且明確寫出參考態怎麼定義 —— 這跟你在 DFT 裡算吸附能時要交代參考態是完全同一件事，而且同樣是最常被略過的一行。
10Common Mistakes最常犯的錯
- 以為 PAM 在 sgRNA 上。 後果：設計突變或分析接觸時找錯分子。正解：PAM 是 DNA 自己的序列，讀在 non-target strand 上，由蛋白的 PI domain 辨識。
- 把 protospacer 的 20 個位置當成等權重。 後果：專一性預測在 PAM-distal 端系統性失準。正解：分成 seed 與 PAM-distal 兩區處理，並在方法段說明分區依據。
- 用 on-target 底物比較 WT 與高保真變體。 後果：全部落在誤差內，得到假的「沒有差異」。on-target 底物上的 eSpCas9(1.1) null 就是實例。正解：底物帶 PAM-distal 錯配。
- 為了縮小系統把 PAM duplex 或 NTS 的自由端截掉。 後果：DNA 相關 metric 全被汙染，且看起來像是「這區真的很柔軟」。正解：保留錨點，寧可省在別的地方。
- 在 100 ns 的軌跡上宣稱 R-loop 穩定。 後果：把取樣不足講成物理結論。正解：只說「在本工作的時間尺度內未觀察到解離」，並報配對存續率。
- 拿預測結構的 R-loop 做逐殘基定量。 後果：訊號歸零（你的 0/8、ρ ≈ −0.03）。正解：定量分析用實驗結構起始，預測結構留給定性探索與缺失區段的建模。
11Further Reading讀哪幾篇
12Summary三句話
Cas9 認目標分兩道關卡：PI domain 先讀 5′-NGG-3′ 的 PAM 當入場券，phosphate lock loop 撬開雙股之後，RNA 再從 PAM 端一格一格往遠端配對拉出 R-loop。因為拉鏈是定向的，protospacer 的 20 個位置不等權重 —— seed 區的錯配讓拉鏈開不了（表現為不結合），PAM-distal 區的錯配讓拉鏈拉得開、卻讓 RNA:DNA 雜合雙股停在拉直而非扭折的構形（表現為結合了卻不切）。這個不對稱直接決定了你的底物設計與打分軸：要測構形檢查點就必須把錯配放在 PAM-distal，而那正是平衡結合自由能最看不見的地方。