基因治疗与合成生物学技术突破 - 华盛顿大学和Altius生物医学科学研究所通过迭代深度学习技术，成功设计出比天然增强子更高效、更简洁的合成增强子（短至50bp），在人类细胞中实现前所未有的细胞类型特异性 [2] - 研究发表于2025年6月4日的《Cell Systems》，采用两轮"设计-实验-优化"循环：第一代设计基于29891个天然增强子数据生成1037个合成增强子，第二代优化后设计出688个新型增强子，在HepG2和K562细胞中分别实现46.2倍和6.7倍的中位表达量提升 [3][6] - 合成增强子通过嵌入高频率转录因子结合位点（TFBS）基序，其序列语法比天然增强子更紧凑，且活性与单细胞转录因子表达相关 [7] 技术优势与创新 - 突破传统增强子三大困境：解决海量筛选难题（天然增强子长度500-1000bp）、提升细胞类型特异性精度、破解复杂调控规则设计盲区 [6] - 模型进化阶段实现小数据大突破：训练数据量比前代减少30倍，比同类研究少800倍，引入L2正则化防止过度依赖单一转录因子 [6] - 深度学习设计的增强子特异性全面超越天然对照组，且迭代再训练可产生更优特异性设计 [8] 应用前景 - 靶向基因治疗：设计肝癌特异性增强子精准表达抗癌基因 [10] - 罕见病治疗：为遗传病定制组织特异性增强子 [10] - 合成生物学：构建细胞类型特异性生物传感器 [10] - 推动基因调控元件设计范式转变：从传统天然增强子筛选（成功率低）转向AI驱动的深度学习设计-高通量验证-数据驱动优化路径（成功率大幅提高） [10]