从 AlphaFold 精准预测蛋白质三维结构，到大语言模型解析复杂的基因组语法。在过去的几年里，人工智能在生命科学领域的突破令人瞩目。然而，在合成生物学和精准医疗领域，除了“阅读”和“预测”生命密码，关键还在于“改写”与“精准控制”。如果我们能像调节音量旋钮一样，在特定的细胞内极其精准地控制某个基因的表达剂量，疾病治疗将迎来更高阶的突破。

而基因表达调控元件正是解决这一难题的关键。它被视为自然界赋予细胞的“开关与旋钮”，编码时空特异性逻辑，确保基因在正确的时间、正确的细胞中以恰当强度开启。长期以来，细胞与基因疗法的安全性瓶颈正源于我们对这些元件的控制不足：传统设计方法多依赖重复已知基序或随机拼接，既难以获得可靠候选分子，也难以实现连续梯度调控。

3 月 13 日，Y Combinator 支持的 AI 生物技术初创公司 Origin Bio 宣布，向全球科研社区开源 10,000 条完全由 AI 设计生成的近端增强子样序列（proximal enhancer-like sequences, pELS），并同步上线免费平台 Switch。这将为大规模平行报告基因分析（MPRA）等功能性实验提供海量的数据储备，有望为传统的扰动生物学（Perturbation Biology）注入全新的 AI 协作机制。

公司仅 4 人，专注 AI 驱动的调控 DNA 设计

Origin Bio 成立于 2025 年，总部位于旧金山，近期已入选 Y Combinator Winter 2026 批次，团队规模极小，仅有 4 人。CEO 亚什·拉托德（Yash Rathod）与 CTO 马尔哈·比德（Malhar Bhide）均来自伊利诺伊大学厄巴纳-香槟分校（UIUC）计算机科学专业，曾从事计算机视觉与强化学习研究，其中，亚什曾获得 2022 年 OpenCV AI Research Competition 一等奖，马尔哈高中时期就在《科学报告》（Scientific Reports）发表过疾病建模论文。

2025 年 10 月 8 日，Origin Bio 正式发布自研模型 Axis，这是业内首个同时具备生成与预测功能的调控 DNA AI 模型。它统一了 DNA-to-DNA、DNA-to-function 与 function-to-DNA 三类任务：既能从头生成序列或基于提示优化，也能预测序列的功能属性。

Axis 基于共享 Transformer 骨干网络实现多任务训练，采用 ENCODE V4 注册表中的独立顺式调控元件数据进行无污染分割训练。在预测调控元件活性基准测试中，Axis 平均超越 Google DeepMind 的 AlphaGenome 模型 6.7%。在“高结合亲和力”的提示下，Axis 生成的序列中目标转录因子结合位点可富集高达 9 倍。

（Origin Bio）

Origin Bio 正致力于“用 AI 打造更安全的细胞与基因疗法”，核心是设计新型调控 DNA 元件，如增强子与启动子，实现治疗基因表达的精准编程，主要面向癌症、中枢神经系统疾病等需要条件性激活的适应症。未来，其希望构建全球最大规模的合成调控序列专有数据集，通过高通量实验验证积累数百万条跨多种细胞状态的功能注释序列。

10,000 个 AI 设计的生物学“微调旋钮”

本次发布的 10,000 条序列正是由 Axis 针对特定细胞状态提示生成的 pELS 序列，这是一类位于基因转录起始位点（TSS）附近约 2 kb 范围内、能够显著增强基因转录活性的短 DNA 序列。这批 AI 设计的序列专门针对三种在医学研究中极具代表性的细胞系：SK-N-SH（神经母细胞瘤细胞系）、HepG2（肝细胞癌细胞系）和 K562（红白血病细胞系）。

为了让这批序列在真实科研环境中的可用性更高，每条序列均附带完整质量控制数据和多维度的预测数据。其底层序列质量指标包括最差发夹结构稳定性（worst hairpin stability, ΔG）、GC 含量、核苷酸组成比例以及最长同聚物（homopolymer）长度。并为转录因子结合位点（TFBS）提供注释，支持用户进行高级过滤与可视化，帮助研究者理解序列招募特定蛋白质、启动基因表达的具体机制。

在跨细胞系活性预测中，Origin 调用了由哈佛-麻省理工博德研究所（Broad Institute）独立开发、经过体外验证的深度卷积神经网络模型 Malinois。该模型能够仅凭 DNA 序列，高精度地预测顺式调控元件（CRE）的活性。

为了直观展示 DNA 双链分子的空间构象，Origin 还使用了字节跳动开源的 AlphaFold 3 复现模型 Protenix。Protenix 能够精准预测包括蛋白质、DNA、RNA 在内的复杂生物分子 3D 结构。

（Origin Bio）

所有序列及其元数据已全部上传至 Switch 平台。平台不仅提供浏览、下载与可视化功能，还将持续托管公司与社区的湿实验验证结果，支持研究者上传自身评估数据，形成协作积累。Origin Bio 明确表示，将继续向库中添加针对原代细胞与组织的更多设计序列。

范式转移：从“二元开关”到“连续调控”

为什么 Origin 要耗费巨大算力去大规模设计并测试这些调控元件库？答案在于对细胞命运的极致掌控。

在传统的扰动生物学中，科学家们主要依赖两种手段来研究基因功能：其一是 CRISPR 等基因敲除（Knockouts）或敲降（Knockdowns）技术。这在很大程度上是一种“二元操作”，基因要么被完全破坏、不表达，要么存在。其二是化学药物处理，虽然可以通过药物浓度实现“剂量控制”，但化学小分子往往缺乏靶向特异性，容易同时引发多条信号通路的脱靶效应。

真实的生命系统远比“0 和 1”复杂。细胞的命运决定本质上是由基因表达的“剂量”驱动的，蛋白质的合成数量、时空表达都会影响最终表型。公司强调，调控 DNA 元件能编码时空特异性逻辑，使药物更具可编程性，从而提升特异性并响应细胞状态变化。这对细胞与基因疗法安全性至关重要。

Origin 通过 AI 设计出具有梯度转录强度的调控元件库，这将为扰动生物学代带来更精细、更高效率的基因调控策略。科学家可以对特定基因的表达水平进行连续性的精准控制，并基于此系统绘制剂量-响应图谱。

例如，科学研究表明，肿瘤微环境中存在一条极其关键的“代谢-表观遗传轴”：坏死肿瘤会触发 T 细胞的“功能性热量限制”，进而耗竭核质内的乙酰辅酶 A（acetyl-CoA）。这会剥离效应基因和耗竭基因位点上激活性的组蛋白修饰标记，从而“塞翁失马”地保留了 T 细胞的干性，这正是产生持久抗肿瘤反应的关键状态。白细胞介素-10（IL-10）似乎可以通过类似途径重编程终末耗竭的 CD8+ T 细胞，恢复其抗肿瘤功能。

目前，研究人员还不了解是否存在一个完美的表达阈值，能让 IL-10 刚好将耗竭的肿瘤浸润淋巴细胞（TILs）翻转到有利状态，而又不会“用力过猛”引发免疫抑制。有了 Origin 提供的梯度调控元件库，研究人员终于可以系统性地绘制这一阈值图谱，彻底告别过去仅靠单一“过表达构建体”盲目猜测的时代。

再比如，T 细胞疗法的临床数据中有两个决定疗效的最强预测指标：T 细胞干性以及多克隆肿瘤反应性。但在现有的细胞疗法制造过程中，当 T 细胞在体外大规模扩增时，这两种极其宝贵的特性会迅速流失。能够识别肿瘤的克隆型被选择性淘汰，而剩余的细胞则走向“终末分化”，失去了持续战斗的潜力。

如果科学家能在体外扩增期间，利用 AI 设计的梯度调控序列，精确滴定干性相关转录因子（如 TCF7 或 BACH2）的表达，就有望找到一个极其精确的“黄金剂量”：在这个剂量下，T 细胞既能完美维持自我更新能力，又不会牺牲其对肿瘤的杀伤效应潜能。

开源共建“可编程药物”的未来

Origin Bio 也承认自家公司在这项研究中的局限性：“需要开展的实验、有待发现的机制以及将要产生的影响，远远超出了任何一家单一机构的能力范围。”

因此，随着 10,000 条 AI 设计的序列向全网开放，Origin 明确表示，他们希望全球的科研工作者能将这些序列应用于 MPRA 研究，以及 ATAC-seq、ChIP-seq 等遗传组学功能性检测实验中。随着实验数据的回流，Origin 承诺将在平台上公开验证结果，并允许其他科研团队同步分享他们的数据。未来，他们还计划将生成的序列库扩展到原代细胞和更多组织类型中。

（X@garrytan）

社交媒体与社区讨论迅速展开，各路专家对此评价不一。Y Combinator CEO Garry Tan 称“AI×bio 是几乎未被触及的领域”。斯坦福大学计算基因组学家安舒尔·昆达杰（Anshul Kundaje）则在 X 转帖评论，此次发布“更像是炒作而非严肃努力”：三种细胞系区分过于简单、缺少与开源工具的 benchmark 对比，且缺乏湿实验验证。

（X@anshulkundaje）

无论如何，Origin Bio 或许正在推动 AI 生成调控 DNA 从实验室走向社区协作的新阶段。生命科学正从“盲人摸象”式的试错发现，迈向编写计算机代码般精准的“可编程生物学”时代。

参考

https://origin.bio/blogs/switch/

https://origin.bio/

https://www.ycombinator.com/companies/origin-bio

https://origin.bio/introducing-axis

https://x.com/garrytan/status/2032565231847629215

https://x.com/anshulkundaje/status/2033006691873337710

运营/排版：何晨龙