人工智慧驅動數據化設計：基因電路研發邁入精準工程新時代

基因電路設計正經歷一場深刻的變革，從傳統的「試錯法」轉向由計算與預測模型主導的流程，使生物技術更趨向於一門嚴謹的工程學科。所謂的基因電路，是指一種經過結構化設計的 DNA 序列，能根據預設的邏輯規則調節基因活性，進而編程細胞以執行特定指令。這些電路的功能多樣，可充當開關、振盪器或記憶系統，透過組織遺傳資訊來精確控制細胞行為。其應用範疇極其廣泛，從調節免疫反應到在體內受控合成高價值分子，為開發更複雜的細胞治療策略奠定了基礎。

2026 年 1 月，學術期刊《自然》（Nature）報導了一項重大突破：萊斯大學（Rice University）的研究團隊開發出名為 CLASSIC（結合長短程定序以研究遺傳複雜性）的技術。這項技術能在單一分析步驟中，同時構建並測試數十萬甚至數百萬種不同的基因電路設計方案。為了高通量監測人類培養細胞中的電路活性，研究人員將每組電路與螢光蛋白的表達掛鉤。透過測量螢光亮度來評估各個變體的表現，並結合相關條碼的定序，建立了一張將特定 DNA 序列與觀測到的細胞表型聯繫起來的詳細地圖。萊斯大學合成生物學研究所的 Caleb Bashor 教授指出，這種方法能將序列與行為精確對應，如同在「大海撈針」中精準定位。

實驗獲得的大規模地圖為機器學習與人工智慧（AI）模型的訓練提供了不可或缺的數據基礎。這些模型展現出卓越的能力，能識別哪些 DNA 序列特徵對應特定的功能表現，且在預測功能方面的準確度遠高於純粹基於物理原理的模型。這種計算方法是關鍵基石，尤其是在人類細胞極其複雜的生物環境中。相較於保羅·羅斯蒙德（Paul Rothemund）於 2006 年提出的「DNA 摺紙術」（DNA-origami）等傳統方法——這類方法往往需要對每個新結構進行耗時且昂貴的重新計算——AI 方法成功繞過了這些限制。其成果是開發出一種預測工具，能預先針對所需的特定特性建議新的電路序列。

在人類細胞系統中證明這種系統化、AI 驅動方法的有效性，為 2026 年起更快速、更理性的先進細胞療法設計鋪平了道路，將基因工程從常規實驗範式提升至數據驅動的工程領域。在相關領域中，Basecamp Research 公司推出了 EDEN 模型，該模型基於進化數據進行訓練，旨在設計用於可編程插入大片段 DNA 的分子工具。目前，這項技術已成功培育出在實驗室環境下能消滅超過 90% 癌細胞的 CAR-T 細胞。因此，轉向由 AI 支撐的工程化設計，已成為生物技術研究中創造複雜細胞系統與治療方案的主導趨勢。