第一章 生命密码的启蒙：从孟德尔遗传到人类基因组计划

2018年11月26日，一则新闻震动了全球科学界：中国科学家贺建奎宣布，一对经过基因编辑的双胞胎婴儿在中国健康诞生，编辑的目标是CCR5基因，目的是让她们天然免疫艾滋病。消息一出，国内外科学界一片哗然，公众更是议论纷纷：“基因编辑是不是真的能定制完美婴儿？”“是不是改个基因就能让孩子变聪明、长得更高？”“我们是不是正在进入‘上帝造人’的时代？”这些疑问背后，既有对前沿技术的期待，也有对未知的恐惧，更有一个根本性的认知误区：大多数人并不了解“基因”到底是什么，“基因编辑”到底能做到什么，不能做到什么。要回答这些问题，我们需要先回到生命科学的最基础处，一步步读懂这本藏在所有细胞里的“生命蓝图”。

一、被埋藏35年的遗传密码：孟德尔与遗传因子的发现

很多人对遗传的初始认知来自生活：孩子长得像父母，白种人和黑种人的后代皮肤颜色介于两者之间，纯种金毛和纯种拉布拉多生的小狗既有金毛的特征也有拉布拉多的特征。但在19世纪中叶，这些日常现象背后的规律还没有人能用科学的方法解释，直到格里哥·孟德尔（Gregor Mendel）的豌豆实验出现。

孟德尔是奥古斯丁教会的修士，1856年起在布尔诺（今捷克境内）的修道院花园里种起了豌豆。他选择豌豆作为实验材料是经过深思熟虑的：豌豆是自花授粉、闭花授粉植物，自然状态下永远是纯种；同时豌豆有7对稳定、容易区分的相对性状，比如茎的高茎（tall）和矮茎（dwarf）、种子的圆粒（round）和皱粒（wrinkled）、花的紫花（purple）和白花（white）等，不会出现中间状态。孟德尔一共种了7000多株豌豆，做了300多组杂交实验，仔细统计了每一代的表现型比例。

1865年，孟德尔在布尔诺自然科学研究会上报告了他的实验结果：比如纯种高茎豌豆和纯种矮茎豌豆杂交，第一代（F1）全部是高茎，没有矮茎；F1自交得到第二代（F2），高茎和矮茎的比例接近3:1。他提出，生物的性状是由“遗传因子（hereditary factor）”决定的，每个个体体内有两个遗传因子，一个来自父本，一个来自母本；当两个不同的遗传因子同时存在时，显性因子会掩盖隐性因子的表现，只有两个隐性因子同时存在时，隐性性状才会表现出来。这就是我们现在熟知的孟德尔分离定律（Law of Segregation）和自由组合定律（Law of Independent Assortment）的核心内容。

然而孟德尔的发现并没有立刻得到认可，他的论文在1866年发表后，整整35年都没有被主流科学界注意到。一方面，当时的科学界普遍认同“融合遗传”的理论，认为父母的性状会像颜料一样融合到后代身上，无法解释孟德尔实验里出现的3:1分离比；另一方面，孟德尔只是提出了“遗传因子”的概念，并不知道这种因子的化学本质是什么。直到1900年，三位科学家（德弗里斯、科伦斯、切尔马克）分别通过植物杂交实验独立重新发现了孟德尔的规律，遗传学才正式成为一门独立的学科。1909年，丹麦科学家威廉·约翰逊（Wilhelm Johannsen）首次用“基因（gene）”这个词代替了“遗传因子”，这个名字一直沿用至今。

孟德尔的实验不仅揭示了遗传的基本规律，更重要的是它证明了生物的性状是由 discrete（离散的）单位决定的，而不是连续融合的，这为后来基因概念的提出奠定了最核心的基础。直到今天，孟德尔分离定律仍然是所有遗传学研究的基石：我们做基因编辑时，编辑后的基因会按照分离定律传递给后代，这也是生殖细胞编辑必须被严格限制的核心原因之一。

二、生命的化学载体：DNA双螺旋结构的解析

孟德尔之后，科学家们花了近一个世纪的时间寻找“基因”的化学本质。1944年，奥斯瓦尔德·艾弗里（Oswald Avery）通过肺炎链球菌的转化实验，首次证明DNA（脱氧核糖核酸，deoxyribonucleic acid）是携带遗传信息的物质；1952年，阿尔弗雷德·赫尔希（Alfred Hershey）和玛莎·蔡斯（Martha Chase）通过噬菌体侵染细菌的实验，进一步证实了DNA是遗传物质，而不是蛋白质。

但当时科学家还不知道DNA的结构是什么样的，也不知道遗传信息是怎么储存在DNA里的。直到1953年，詹姆斯·沃森（James Watson，美国生物学家）和弗朗西斯·克里克（Francis Crick，英国物理学家）在剑桥大学卡文迪许实验室工作时，通过分析罗莎琳德·富兰克林（Rosalind Franklin，英国化学家）拍摄的DNA X射线衍射照片，推导出了DNA的双螺旋结构（double helix structure）。1953年4月25日，他们在《自然》（Nature）杂志发表了一篇仅有两页的简短论文，宣告了DNA双螺旋结构的发现。

DNA的结构其实并不复杂：它由两条反向平行的脱氧核糖核苷酸链组成，外侧是磷酸和脱氧核糖交替连接构成的骨架，内侧是四种碱基（adenine A、thymine T、guanine G、cytosine C），碱基之间按照严格的配对原则结合：A只能和T配对，形成两个氢键；G只能和C配对，形成三个氢键。这种碱基互补配对（base complementary pairing）的原则不仅是DNA复制的基础，也是后来所有基因编辑技术的核心原理。

沃森、克里克和莫里斯·威尔金斯（Maurice Wilkins，富兰克林的同事，拿到了她的衍射照片）因为这项发现获得了1962年的诺贝尔生理学或医学奖，而富兰克林因为1958年因卵巢癌去世，错过了诺奖，她的贡献直到后来才被广泛认可。DNA双螺旋结构的发现不仅解释了遗传信息怎么复制和传递，更重要的是它证明了遗传信息的本质就是碱基的排列顺序：四个碱基的不同排列组合，构成了地球上所有生命的遗传密码。

我们可以用一个简单的类比来理解：如果把DNA比作一本用4个字母（A、T、G、C）写成的书，那么基因就是这本书里的一个个“句子”，每个句子对应一个蛋白质的合成指令；而碱基的排列顺序就是“文字”的顺序，只要改变一个“文字”，句子的意思可能就会完全改变，甚至变成无意义的乱码——这就是基因编辑的核心逻辑。

三、读懂生命的全部说明书：人类基因组计划

发现DNA是遗传物质、解析出DNA的结构之后，下一个问题自然出现了：人类的这本“生命说明书”到底有多长？里面写了多少“句子”（基因）？要回答这个问题，就需要对人类的全部DNA进行测序，这就是1990年正式启动的“人类基因组计划（Human Genome Project, HGP）”。

人类基因组计划由美国能源部和国立卫生研究院牵头，后来英国、日本、法国、德国、中国等国家相继加入，成为全球合作的国际大科学项目。计划的最终目标是测定人类23对染色体上的全部30亿个碱基对（base pair, bp）的序列，绘制出人类基因组的地图，识别出所有的基因，以及基因之间的调控序列。整个项目历时13年，花费约27亿美元，比原计划提前2年完成。

2000年6月，人类基因组计划联合研究组发布了人类基因组的工作草图；2001年2月，两个研究团队分别在《自然》和《科学》杂志发表了详细的分析结果；2003年4月14日，美国、英国、日本、法国、德国、中国六国科学家联合宣布，人类基因组序列图绘制成功，人类基因组计划的全部目标基本实现。

人类基因组计划的结果让很多人大跌眼镜：之前科学家估计人类有10万到14万个基因，但最终测序结果显示，人类基因组中只有大约2.2万个蛋白质编码基因，比之前预想的少得多，甚至比水稻（约3万个基因）、小鼠（约2.5万个基因）多不了多少。这个发现打破了“基因越多生物越高等”的误区：人类的复杂性并不来自于基因的数量，而来自于基因的调控网络——人类的基因组中只有不到2%的序列是编码蛋白质的，剩下的98%以前被称为“垃圾DNA（junk DNA）”，但现在研究发现这些非编码区包含了大量调控序列，控制着基因的表达时间、表达量、表达位置，这些复杂的调控机制才是人类之所以为人类的核心。

人类基因组计划的影响远远超出了生物学领域：它推动了高通量测序技术的发展，让DNA测序的成本从项目启动时的每个碱基10美元，降到了现在的每个碱基不到1美分，测序速度提高了100万倍；它催生了生物信息学这门交叉学科，让计算机科学和生物学深度结合；它也为后续的基因功能研究、疾病相关基因的筛选、基因编辑技术的发展打下了最核心的基础。如果没有人类基因组计划测出的人类全部基因组序列，我们根本不可能知道要编辑哪个基因，也不可能精准定位到基因的特定位置。

四、从“盲剪”到“精准编辑”：基因编辑技术的萌芽与发展

在人类基因组计划完成之前，科学家们就已经尝试修改生物的基因组了。1970年，科学家发现了限制性内切酶（restriction endonuclease），这种酶可以识别特定的DNA序列，并在特定位点把DNA切开，被称为第一代“分子剪刀”。1973年，保罗·伯格（Paul Berg）首次实现了不同物种的DNA重组，把细菌的基因插入到病毒的DNA里，标志着基因工程（genetic engineering）的正式诞生。但这种早期的基因编辑是随机的：限制性内切酶切开的DNA片段会随机插入到基因组里，无法精准定位到特定的基因位点，更无法精准修改特定的碱基。

1980年代，科学家发明了基因打靶（gene targeting）技术，可以在小鼠的胚胎干细胞里通过同源重组（homologous recombination）实现特定基因的敲除或者修改，这是第一次实现了精准的基因组编辑。但这种技术的效率极低：在胚胎干细胞里，同源重组的概率只有万分之一，想要筛选到编辑成功的细胞，往往需要几个月甚至几年的时间，而且只能在小鼠等少数模式生物里实现，无法推广到其他物种。

2000年前后，第一代可编程核酸酶（programmable nuclease）技术出现：锌指核酸酶（Zinc Finger Nuclease, ZFN）可以通过设计锌指蛋白（zinc finger protein）识别特定的DNA序列，然后切割目标位点；2009年左右，转录激活因子样效应物核酸酶（Transcription Activator-Like Effector Nuclease, TALEN）出现，比ZFN的设计更简单，识别序列的长度也更长，特异性更高。但这些技术都有一个共同的缺陷：每一个新的编辑靶点都需要重新设计和合成对应的蛋白，设计一个ZFN需要几个月的时间，成本高达数千美元，而且蛋白的表达和纯化难度很高，只有少数专业实验室能做，无法大规模推广。

直到2012年，CRISPR-Cas9技术的出现，才真正把基因编辑从“高精尖技术”变成了“普通实验室都能用的常规工具”。要理解CRISPR为什么是革命性的，我们需要先了解它最初的功能：细菌的免疫系统。

1987年，日本科学家在大肠杆菌的基因组里发现了一段奇怪的重复序列：多个短的、反向重复的序列被非重复的间隔序列隔开，当时他们不知道这段序列的功能是什么，直到2002年，科学家才给这段序列起名为CRISPR，全称是Clustered Regularly Interspaced Short Palindromic Repeats，即“成簇的规律间隔的短回文重复序列”。2005年，科学家发现这些间隔序列其实是细菌之前感染过的病毒的DNA片段，也就是说，CRISPR是细菌用来“记住”入侵过的病毒的“黑名单”。当同样的病毒再次入侵时，细菌会把CRISPR序列转录成RNA，和Cas（CRISPR-associated，CRISPR相关）蛋白结合，通过RNA和病毒DNA的互补配对找到病毒的DNA，然后由Cas蛋白把病毒的DNA切掉，从而实现对病毒的免疫。

2011年，美国加州大学伯克利分校的 Jennifer Doudna（詹妮弗·杜德纳）和当时在瑞典于默奥大学的 Emmanuelle Charpentier（埃玛纽埃尔·沙尔庞捷）开始合作研究CRISPR系统。她们发现，如果把CRISPR系统里的gRNA（guide RNA，引导RNA）改成人工设计的序列，就可以让Cas蛋白识别并切割任意我们想要的DNA序列，而不是只能切割病毒的DNA。2012年，她们在《科学》（Science）杂志发表了这一发现，宣告CRISPR-Cas9可以作为可编程的基因编辑工具，精准修改任何生物的基因组。2020年，杜德纳和沙尔庞捷因为这项发现获得了诺贝尔化学奖。

CRISPR-Cas9的工作原理

我们可以用一个简单的流程来理解CRISPR-Cas9的编辑过程，对应的流程示意如下： ```mermaid graph LR A[设计gRNA序列] --> B[gRNA与Cas9蛋白结合形成复合体] B --> C[复合体进入细胞核，寻找匹配的DNA序列] C --> D[Cas9蛋白切割目标DNA双链] D --> E[细胞启动修复机制] E --> F[非同源末端连接（NHEJ）：产生插入/缺失突变，实现基因敲除] E --> G[同源定向修复（HDR）：按照模板修复，实现精准编辑] ``` 首先，我们需要根据要编辑的目标DNA序列，人工合成一段20个碱基左右的gRNA，这段gRNA的序列会和目标DNA的序列完全互补配对；然后，gRNA会和Cas9蛋白结合，形成复合体；这个复合体进入细胞核后，会在整个基因组里寻找和gRNA互补配对的DNA序列，一旦找到，Cas9蛋白就会在目标位点把DNA的双链切开，形成双链断裂（double-strand break, DSB）。细胞检测到DNA双链断裂后，会启动两种修复机制： 1. 非同源末端连接（Non-Homologous End Joining, NHEJ）：这是细胞最常用的修复方式，直接把断裂的DNA两端粘上，这个过程很容易出错，往往会插入或者缺失几个碱基，导致目标基因的阅读框移位，从而失去功能，这就是最常用的“基因敲除（gene knockout）”的原理。 2.

2. 同源定向修复（Homology-Directed Repair, HDR）：这种方式需要细胞提供一段和断裂位点两侧序列完全同源的DNA模板，细胞会以这段模板为参照，精准修复断裂的DNA。通过人工设计模板的序列，我们可以实现任意想要的编辑：比如把致病的突变碱基替换为正常序列，或者插入一段新的功能序列，甚至删除一段不需要的序列。HDR的效率远低于NHEJ，通常在1%到10%之间，而且只在细胞分裂的S期和G2期活跃，这也是为什么目前大部分CRISPR基因编辑都在分裂旺盛的细胞（比如造血干细胞）里进行，或者用病毒载体递送模板来提高效率。

举个具体的例子：镰刀型贫血症（Sickle Cell Anemia）是最常见的单基因遗传病之一，全球每年有超过30万新生儿患病，患者的血红蛋白β链（由HBB基因编码）第6位密码子由正常的GAG（编码谷氨酸）突变成了GTG（编码缬氨酸），导致红细胞在缺氧状态下变形为镰刀状，堵塞血管，引发剧痛、器官损伤甚至死亡。传统治疗方法只有骨髓移植，需要配型成功的供体，费用高昂且风险极大。而基于CRISPR的HDR编辑疗法，可以直接把患者造血干细胞里的HBB基因突变位点改回正常的GAG，再回输到患者体内，从根源上治愈疾病。2023年，这款名为exa-cel的CRISPR疗法已经先后获得英国、美国监管机构的批准上市，成为全球首款商业化的CRISPR基因编辑药物，治疗有效率超过90%，让很多曾经需要终身输血的患儿恢复了正常生活。这是CRISPR技术从实验室走向临床应用的最重要里程碑，我们将在第7章详细讲解这类疗法的研发过程和临床数据。

理解了CRISPR的基本原理，我们就能明白为什么它被称为“上帝的手术刀”：在此之前，所有的基因编辑技术要么是随机的（比如限制性内切酶），要么设计复杂、成本极高、效率极低（比如ZFN和TALEN），只有少数顶尖实验室能使用；而CRISPR只需要改变一段20个碱基的gRNA序列，就能精准定位到基因组的任意位置，设计成本不到10美元，周期不超过3天，任何有基础分子生物学实验条件的实验室都能使用。自2012年CRISPR技术发表以来，相关论文的数量呈指数增长：2013年全球仅有不到100篇CRISPR相关论文，2023年这个数字已经突破1.2万篇，累计发表超过10万篇，覆盖了从基础研究到临床应用的几乎所有生命科学领域。杜德纳和沙尔庞捷也因为这项发明获得了2020年的诺贝尔化学奖，评审委员会的颁奖词是：“CRISPR-Cas9不仅让我们能够改写生命的代码，更为治疗遗传病、开发抗病作物、应对气候变化提供了全新的工具。”

然而，CRISPR的“精准”是相对的，它最大的局限性就是脱靶效应（off-target effect）：Cas9蛋白只需要gRNA的前10-12个碱基和DNA完全匹配就能切割，如果基因组里存在和gRNA序列高度相似的片段，Cas9可能会错误地切割这些位点，导致非预期的突变，甚至激活致癌基因、失活抑癌基因，引发癌症。目前科学家已经开发出了高保真Cas9变体（比如HypaCas9、eSpCas9），通过突变Cas9蛋白的活性位点，降低其切割不匹配序列的能力，把脱靶率降低了100倍以上，但完全消除脱靶效应目前还做不到。这也是为什么目前所有获批的CRISPR疗法都是体外编辑（ex vivo editing）：先把细胞从患者体内提取出来，在实验室里编辑，筛选出编辑正确、没有脱靶突变的细胞，再回输到患者体内，避免编辑后的细胞在体内引发风险。

<aside class="sidebar"> 💡 电子版交互提示：点击此处可观看3分钟动画，直观了解CRISPR-Cas9的工作原理和脱靶效应的产生机制<br> 📎 纸书边注：2018年贺建奎基因编辑婴儿事件后，中国于2019年出台了《人类辅助生殖技术规范》，明确禁止以生殖为目的的人类胚胎基因编辑，违规者将承担法律责任。 </aside>

1.1 大众对基因编辑的三大认知误区

2018年贺建奎事件之后，“基因编辑”这个词频繁出现在公众视野里，但大部分讨论都建立在错误的前提之上，这里我们梳理三个最常见的认知误区，帮助读者建立正确的认知：

误区一：“基因编辑可以定制完美婴儿”

很多人认为，只要修改和身高、智力、外貌相关的基因，就能生出“完美宝宝”。但事实上，目前已知的绝大多数复杂性状（比如身高、智力、外貌、运动能力）都是由成百上千个基因共同调控的，每个基因的贡献只有百分之几，还受到营养、教育、环境等后天因素的巨大影响。比如身高，目前已知有超过3000个基因和身高相关，每个基因的平均贡献不到0.1%，就算你把所有已知的“高个基因”都改成“高个版本”，也无法保证孩子一定长到1米8，反而可能因为基因调控网络的紊乱引发未知的健康风险。目前全球没有任何一个国家允许以非治疗为目的的人类胚胎基因编辑，所有获批的基因编辑临床试验都是针对严重遗传病的治疗，而且只允许编辑体细胞，编辑后的基因不会遗传给后代。

误区二：“基因编辑是‘改坏基因’，只有致病基因才需要编辑”

基因编辑的应用远不止治疗遗传病，比如在农业领域，科学家用CRISPR编辑水稻的基因，让水稻能