摘要：2022 年，来自加州的生物技术公司 Retro Biosciences（以下简称“Retro”） 因获得 OpenAI 的 CEO Sam Altman 投资的 1.8 亿美元而被外界熟知。
2022 年，来自加州的生物技术公司 Retro Biosciences（以下简称“Retro”） 因获得 OpenAI 的 CEO Sam Altman 投资的 1.8 亿美元而被外界熟知。
该公司在其主页上公开表示，将专注于 “衰老的细胞驱动因素”，目标是 “让人类的健康寿命延长 10 年”。其研究内容主要针对于 4 个方向：造血干细胞重编程、细胞自噬、小胶质细胞治疗以及组织重编程。
为此，该公司正在研究被称为“山中因子”的特殊蛋白质。当这些蛋白质被导入人类皮肤细胞时，会使其转化为具有年轻特性的干细胞，后者能分化成人体任何其他组织。
这种现象被 Retro 及获得巨额资助的 Altos Labs 等公司的研究人员视为实现动物再生、构建人类器官或提供替代细胞源的潜在突破口。但此类细胞“重编程”技术的效率目前仍不理想：整个过程需要数周时间，且实验培养皿中仅不足1%的细胞能完成“返老还童”的过程。
2024 年，OpenAI 与 Retro 合作，主导开发了 GPT-4b micro 模型，称其能提出蛋白质因子功能强化的改造方案。
近日，OpenAI 公布了最新成果，双方已成功利用 GPT-4b micro 设计出新型且显著增强的山中因子变体。
体外实验表明，经重新设计的蛋白质在干细胞重编程标志物表达量上超越野生型对照组 50 倍以上。这些改良蛋白还展现出更强的 DNA 损伤修复能力，表明其“返老还童”潜力较基准水平显著提升。这项于 2025 年初取得的发现，现已通过多供体、多细胞类型及多递送方式的重复实验验证，并证实衍生 iPSC 系具有完全多能性与基因组稳定性。
（来源：OpenAI 官网）
与 AlphaFold 的运作原理不同，由于山中因子是结构异常灵活的非结构化蛋白质，需要采用更适合其大语言模型特性的差异化方案。该模型基于多物种蛋白质序列样本及蛋白质相互作用数据进行训练。虽然数据量庞大，但仅占 OpenAI 训练数据的一小部分，使 GPT-4b 成为专注特定数据集的小语言模型典范。
山中因子 OCT4、SOX2、KLF4 和 MYC（OSKM）是当今再生生物学领域最重要的蛋白质组合，其命名源自发现它们能将成体细胞重编程为多能干细胞的京都大学教授山中伸弥，这一突破性成果使其荣获 2012 年诺贝尔生理学或医学奖。但该技术存在效率低下的局限：通常仅有不足 0.1% 的细胞能在处理过程中成功转化，且整个过程需耗时 3 周以上。对于年老或患病供体的细胞，其效率会进一步降低。
然而，直接优化蛋白质序列极具挑战。SOX2 包含 317 个氨基酸，KLF4 则含 513 个，可能存在的变体数量级高达 101000。传统“定向进化”筛选每次仅能突变少量残基，所能探索的设计空间微乎其微。
借助 GPT‑4b micro 模型，Retro 团队首先生成了多样化的 RetroSOX 序列。在筛选中，模型建议的序列有超过 30% 在关键多能性标志物表达上优于野生型 SOX2，这些序列平均存在 100 多个氨基酸差异。相比之下，传统筛选的命中率通常低于 10%。
接着，沿用 RetroSOX 策略，他们引导模型生成一组增强型 RetroKLF 变体。总体而言，14 个模型生成的变体性能优于 RetroSOX 筛选中的最佳组合——命中率近 50%。
将 RetroSOX 与 RetroKLF 变体组合，在三组独立实验中，成纤维细胞的早期（SSEA-4）与晚期（TRA-1-60、NANOG）标志物均呈现显著上升，且晚期标志物出现时间较野生型 OSKM 组合提前数天。此外，通过第 10 天的碱性磷酸酶（AP）染色验证，RetroSOX 与 RetroKLF 变体不仅表达晚期多能性标志物，更展现出标志多能性的强效 AP 活性。
为确认重编程效率提升并探索临床潜力，研究人员采用不同递送方式（mRNA 替代病毒载体）及另一种细胞类型——源自三名中年人类供体（50 岁以上）的间充质基质细胞（MSC）进行测试。仅 7 天内，超过30% 的细胞开始表达关键多能性标志物（SSEA4 与 TRA-1-60）；至第 12 天，出现大量形态类似典型 iPSC 的细胞团。这些细胞中超过 85% 激活了包括 OCT4、NANOG、SOX2 和 TRA-1-60 在内的关键干细胞标志物内源性表达。
研究人员进一步证实这些 RetroFactor 衍生的 iPSC 能成功分化为所有三胚层（内胚层、外胚层与中胚层）。此外，通过多次传代扩增多个单克隆 iPSC 系，确认其具备适合细胞疗法的健康核型与基因组稳定性。这些结果持续超越合同研究机构使用标准因子生成的常规 iPSC 系基准，有力佐证了工程化变体的稳健性，同时为不同递送方式和细胞类型中 iPSC 生成效率的提升提供实证。
综上所述，高命中率、深度序列编辑、标志物表达加速以及 AP 阳性细胞团形成等证据共同表明：人工智能指导的蛋白质设计能显著加速干细胞重编程研究进程。
基于上述成果，研究人员进一步探究了工程化变体的“返老还童”潜力，重点检测其使衰老细胞恢复年轻特性的能力。其聚焦于 DNA 损伤——这种导致细胞功能受损的现象正是衰老的典型标志。早期研究表明，山中因子能清除小鼠细胞中与 DNA 损伤相关的衰老标记，且无需完全逆转细胞身份。
在 DNA 损伤检测中，使用 RetroSOX/KLF 组合处理的细胞，其 γ‑H2AX 强度（双链断裂标志物）显著低于标准 OSKM 重编程细胞及荧光对照组。结果表明，RetroSOX/KLF 组合在减少 DNA 损伤方面比原始山中因子更有效。通过改善细胞衰老的核心标志之一，这些工程化变体为提升细胞“返老还童”效能及未来疗法应用提供了潜在路径。
对 OpenAI 而言，此项成果印证了领域专用模型能如何快速在聚焦性科学问题上实现突破。“当研究人员将深度领域洞察与我们的语言模型工具结合时，原本需耗时数年的难题可能在数日内迎来转机”，OpenAI 研究合作负责人 Boris Power 表示，“我们期待看到更多团队将其专业知识与我们构建的模型相结合后催生的新突破。”
参考链接：
1.https://openai.com/index/accelerating-life-sciences-research-with-retro-biosciences/
免责声明：本文旨在传递合成生物学最新讯息，不代表平台立场，不构成任何投资意见和建议，以官方/公司公告为准。本文也不是治疗方案推荐，如需获得治疗方案指导，请前往正规医院就诊。
来源：生辉SciPhi
