看不见的剪刀划痕:基因编辑脱靶检测的困局与破局
CRISPR给基因编辑打开了临床应用的大门,从血液病到罕见病,越来越多的项目走到了三期临床。没人会拍胸脯说脱靶风险已经完全解决了。
CRISPR基因编辑错配脱靶大片段缺失示意图
临床上,编辑后的造血干细胞回输到病人体内,哪怕一万个细胞里只有一个带致癌脱靶,长期下来都可能发展成白血病。这不是夸张。之前有团队对已经上临床的CRISPR编辑CAR-T做回顾性分析,发现确实存在之前没检测到的大片段缺失,只是频率很低,暂时没有观察到致癌案例,但这种风险不能不防。去年就有临床项目因为脱靶风险被FDA叫停,不是真的出了问题,是现有检测没法证明完全没有风险。对吧?
不同脱靶检测方法适用场景成本对比图
不过话说回来,现有方法也不是完全没用,针对体外编辑的产品,比如CAR-T,编辑之后拿一部分细胞出来测,GUIDE-seq加靶向测序,已经能覆盖绝大多数风险。但是体内编辑的产品,这个路子走不通。
临床落地必须跨过的两道坎
第一道坎,是灵敏度和成本的平衡。现在产业界都在找既能降本,又不损失灵敏度的路子。一个方向是先靠AI模型预测所有可能的脱靶位点,再把这些位点捕获出来做高深度测序,既不用测全基因组,又能覆盖高风险位点,成本能降到全基因组测序的十分之一不到。但这里有个问题,AI预测的准不准?预测错了,漏了风险位点,还是白搭。所以现在的研究都在往模型里加染色质开放数据、DNA甲基化数据,提高预测的准确率,已经比早年好太多了。
第二道坎,是体内原位脱靶检测的实现。现在越来越多的基因编辑药物是直接注射到人体内的,没法取编辑的组织做检测,只能靠外周血里的游离编辑DNA来测脱靶。现在已经有团队能做到在十万分之一的频率下抓到脱靶突变,但距离临床常规应用还有很远。
难度真的很大。
说实话,现在所有的检测方法,都只能在编辑之后告诉你哪里脱了靶,没办法在编辑之前就100%预测所有脱靶,更没办法保证完全没有漏检。任何说自己的产品零脱靶的,都是噱头。应用边界一直都在,技术还没到那个地步。
现在监管机构的态度也很明确,要求申报的时候必须做全基因组范围的脱靶分析,至于用什么方法,没有硬性规定,只要你能证明自己的方法足够灵敏,风险可控。未来几年,肯定会有统一的行业标准出来,现在大家都是在摸着石头过河。
基因编辑的核心是一把精准的剪刀,而检测就是帮剪刀找错的镜子,镜子不够清楚,再锋利的剪刀也不敢随便往人身上用。这几年技术迭代得很快,说不定再过三五年,脱靶检测的成本就能降到几百块一次,常规临床应用根本不是事儿。对吧?
被低估的脱靶风险,不止错切单个碱基
早期研究认为,CRISPR的脱靶只会发生在和向导RNA序列高度相似的位点,只要设计的时候避开这些位点就够了。后来越来越多的研究发现,完全不对的序列也可能被错切,甚至会出现几十kb的大片段结构变异——这种变异对细胞的影响比单个碱基错配大得多,甚至可能直接激活原癌基因。
CRISPR基因编辑错配脱靶大片段缺失示意图
临床上,编辑后的造血干细胞回输到病人体内,哪怕一万个细胞里只有一个带致癌脱靶,长期下来都可能发展成白血病。这不是夸张。之前有团队对已经上临床的CRISPR编辑CAR-T做回顾性分析,发现确实存在之前没检测到的大片段缺失,只是频率很低,暂时没有观察到致癌案例,但这种风险不能不防。去年就有临床项目因为脱靶风险被FDA叫停,不是真的出了问题,是现有检测没法证明完全没有风险。对吧?
现有检测路线的天生缺陷
现在用得最多的几类方法,各有各的局限。全基因组测序被很多人认为是金标准,但要抓到频率低于1%的低频脱靶突变,需要至少30×甚至更高的测序深度,一个样本的测序成本大几千到上万,临床大规模应用根本不可能。绝大多数临床产品只会在申报的时候做一次全基因组测序,量产批次不可能每批都测。 GUIDE-seq灵敏度够高,能抓到很低频率的脱靶,但它的原理是把外源的寡核苷酸链整合到DNA断裂的位置,只能在体外培养的细胞里做,对于已经编辑完成的体内样本,完全用不了。CIRCLE-seq更偏向体外筛选,它用的是游离的DNA,根本反映不了细胞体内染色质的开放状态——很多开放的染色质才会被CRISPR接触到,闭合的区域根本碰不到,体外筛出来的很多脱靶,体内根本不会发生,反而漏了体内真实存在的脱靶。长读长测序的出现解决了大片段变异检测的问题,没错,但长读长的单碱基错误率远高于短读长,找低频点突变还是不行,成本比全基因组测序更高。
不同脱靶检测方法适用场景成本对比图
不过话说回来,现有方法也不是完全没用,针对体外编辑的产品,比如CAR-T,编辑之后拿一部分细胞出来测,GUIDE-seq加靶向测序,已经能覆盖绝大多数风险。但是体内编辑的产品,这个路子走不通。
临床落地必须跨过的两道坎
临床落地必须跨过的两道坎
第一道坎,是灵敏度和成本的平衡。现在产业界都在找既能降本,又不损失灵敏度的路子。一个方向是先靠AI模型预测所有可能的脱靶位点,再把这些位点捕获出来做高深度测序,既不用测全基因组,又能覆盖高风险位点,成本能降到全基因组测序的十分之一不到。但这里有个问题,AI预测的准不准?预测错了,漏了风险位点,还是白搭。所以现在的研究都在往模型里加染色质开放数据、DNA甲基化数据,提高预测的准确率,已经比早年好太多了。
第二道坎,是体内原位脱靶检测的实现。现在越来越多的基因编辑药物是直接注射到人体内的,没法取编辑的组织做检测,只能靠外周血里的游离编辑DNA来测脱靶。现在已经有团队能做到在十万分之一的频率下抓到脱靶突变,但距离临床常规应用还有很远。
难度真的很大。
说实话,现在所有的检测方法,都只能在编辑之后告诉你哪里脱了靶,没办法在编辑之前就100%预测所有脱靶,更没办法保证完全没有漏检。任何说自己的产品零脱靶的,都是噱头。应用边界一直都在,技术还没到那个地步。
现在监管机构的态度也很明确,要求申报的时候必须做全基因组范围的脱靶分析,至于用什么方法,没有硬性规定,只要你能证明自己的方法足够灵敏,风险可控。未来几年,肯定会有统一的行业标准出来,现在大家都是在摸着石头过河。
基因编辑的核心是一把精准的剪刀,而检测就是帮剪刀找错的镜子,镜子不够清楚,再锋利的剪刀也不敢随便往人身上用。这几年技术迭代得很快,说不定再过三五年,脱靶检测的成本就能降到几百块一次,常规临床应用根本不是事儿。对吧?