上帝是个出色架构师,架构出那么复杂的生命系统
本文根据Reverse Engineering the source code of the BioNTech/Pfizer SARS-CoV-2 Vaccine (XXXXXXXXXXXXXXXXXX/articles/posts/reverse-engineering-source-code-of-the-biontech-pfizer-vaccine/ )编译。
部分译文转自公众号新智元,科创喵补充编译了一些内容。为便于阅读,编译并未严格遵照原文。
最简单的生物学背景知识
让我们先来回顾一下生物学知识,这里,我们将透过程序员的眼睛看待生命编码。
DNA和程序的种种相似的地方,但与计算机使用0和1不同,生命使用A、C、G和U/T来编码。
在自然界中,A、C、G和U/T都是分子,以链的形式储存在DNA(或RNA)中。
在计算机中,我们把8位编入一个字节,字节是处理数据的典型单位。
自然界将3个核苷酸组合成一个密码子,而这个密码子是典型的处理单元。
密码子包含6位信息(每个DNA字符2位,3字符= 6位,这意味着2⁶ = 64种不同密码子值)
其次,疫苗是一种液体,我们该如何谈论源代码?
疫苗如何生产
让我们从疫苗的一小部分源代码开始,下图为世界卫生组织公布的BNT162b(也称为Tozinameran或Comirnaty)前500个字符。
mRNA新冠疫苗BNT162b的核心就是这个数字代码。它有4284个字符长,在疫苗生产过程的最开始,将这段代码上传到DNA打印机,然后打印机将磁盘上的字节转换成实际的DNA分子。
DNA打印机,型号BioXp 3200
从这样的机器中产生了少量的DNA,在经过大量的生物和化学处理后,最终成为疫苗瓶中的RNA。
30毫克的剂量实际上含有30毫克的RNA。此外还有一个巧妙的脂质(脂肪)包装系统,可将mRNA导入我们的细胞(这是一个关键环节,不过本文并不涉及)。
DNA就像生物的闪存。DNA非常耐久,有大量冗余并且十分可靠。但是,就像计算机不能直接从闪存执行代码一样,在执行之前,代码会被复制到更快,功能更强但更脆弱的系统——内存中。RNA就是DNA被读取到“内存”的版本。
但是RNA非常脆弱,因此辉瑞的mRNA疫苗保存的条件很苛刻,需要特别的冷链。
每个RNA字符的重量为 0.53·10⁻²¹克,一针疫苗里有2万亿段重复的代码,总共相当于25 Pb的数据量。
代码做什么?
疫苗的作用是教会我们的免疫系统如何识别病原体。从历史上看,这是通过注入弱化或丧失能力的(减毒)病毒来教育我们的免疫系统而实现的。
mRNA疫苗可以精准的达到相同目的(“教育我们的免疫系统”)。相对于“减毒疫苗”把有用没用的东西一股脑注射进人体,mRNA疫苗只“教授”关键的知识。
注射液中含有描述SARS-CoV-2的'Spike'蛋白的遗传物质。通过巧妙的化学手段,疫苗设法使这种遗传物质进入细胞,细胞根据这些遗传物质(代码)产生关键的蛋白质,由这些蛋白质对免疫系统进行教育。
免疫系统面对大量的标志性的蛋白质,产生强烈的响应,从而使身体下次遇到这些蛋白质(被真的病毒入侵时),迅速采取防御措施,最终避免感染。
源代码分析
让我们来看世卫组织文件披露的一页:
首先,“帽子”是什么?就像你不能在计算机上的一个文件中输入操作码然后运行它一样,生物操作系统需要头文件、链接器和调用约定之类的东西。
疫苗的编码由以下两个核苷酸开始:
这可以与以MZ开头的DOS和Windows可执行文件,或以#!开头的UNIX脚本进行比较。在生活系统和操作系统中,这两个字符都不会以任何方式执行。但他们必须在那里,否则什么都不会发生。
mRNA“帽”具有许多功能。首先它将代码标记为来自细胞核。对于我们来说代码显然来自疫苗接种,但是细胞并不知道。上限使我们的代码看起来合法,从而保护了代码免遭破坏。
未翻译区5 'UTR
生命由蛋白质组成。当RNA转化为蛋白质时,这被称为翻译。
RNA分子只能从一个方向读取。令人困惑的是,阅读开始的部分被称为5'UTR。读数在3 'UTR停止。
UTR(Untranslated Regions)即非翻译区,是mRNA分子两端的非编码片段:
在这里,我们遇到了第一个惊喜。正常的RNA特征是A、C、G和U。U在DNA中也被称为「T」。但在这里我们发现了一个ψ。
怎么回事?
这是关于疫苗的一个特别聪明的地方。我们的身体运行着一个强大的反病毒系统,由于这个原因,细胞对外来RNA非常冷淡,并且在它做出任何反应之前就要破坏它。
这对我们的疫苗来说是个问题——它需要潜入免疫系统。经过多年的实验,人们发现,如果RNA中的U被一种稍作修饰的分子所取代,我们的免疫系统就会失去兴趣。
所以在辉瑞疫苗中,每个U都被1-甲基-3 ' -伪尿酰(ψ)所取代,它能帮助我们的疫苗逃过免疫系统这一关。
在计算机安全领域,我们也知道这个诀窍:有时可能传输某些被稍微损坏的东西,虽然这会引起防火墙和安全解决方案的怀疑,但这仍然被后端服务器接受,然后就可能被黑。
很多人问,病毒能否也用ψ技术来打败我们的免疫系统?
这是不太可能的。因为生命根本没有制造1-甲基-3 ' -伪尿酰核苷酸的机制,而病毒需要依靠生命的机制来繁殖自己。而mRNA疫苗在人体内迅速降解,ψ修饰后的RNA不可能在那里复制。
回到5 ' UTR。这51个字符是做什么的?如同自然界的一切事物一样,几乎没有任何事物有一个明确的功能。
当我们的细胞需要将RNA翻译成蛋白质时,这需要使用一种叫做核糖体的机器。核糖体就像蛋白质的3D打印机。它摄取一串RNA,在此基础上释放出一串氨基酸,然后折叠成蛋白质。
1.mp4 点击下载
这就是我们在上面看到的情况。底部的黑色丝带是RNA。出现在绿色部分的缎带是正在形成的蛋白质。进出的东西是氨基酸和使它们适合RNA的适配器。
这个核糖体需要坐在RNA链上才能发挥作用。一旦就位,它就可以开始根据它摄入的RNA进一步形成蛋白质。从这一点上,你可以想象它还不能读出它首先降落的地方。
这只是UTR的功能之一:核糖体着陆区。UTR提供“导入”。
S糖蛋白信号肽
如前所述,疫苗的目标是让细胞产生大量刺突蛋白。到目前为止,我们在疫苗源代码中遇到的大多是元数据和调用约定。现在我们进入病毒蛋白质的领域。
然而,我们还有一层元数据需要处理。一旦核糖体制造出一个蛋白质,这个蛋白质仍然需要去某个地方。这是编码在「S糖蛋白信号肽(扩展先导序列)」。
了解这一点的方法是,在蛋白质的开头有一种地址标签,作为蛋白质本身编码的一部分。在这个特定的例子中,信号肽表明这种蛋白质应该通过「内质网」离开细胞。
「信号肽」不是很长,但是当我们看代码时,病毒和疫苗的RNA是有区别的:
怎么回事呢?我们知道,在生物学中,三个RNA字符组成一个密码子。每个密码子都对特定的氨基酸进行编码。而疫苗中的信号肽与病毒本身的氨基酸完全相同。
那么RNA是怎么不同的呢?
有4³=64个不同的密码子,因为有4个RNA字符,一个密码子中有3个。然而只有20种不同的氨基酸。这意味着多个密码子对同一种氨基酸进行编码。
下表映射了RNA密码子和氨基酸之间的编码关系:
RNA密码子表(维基百科)
在这个表中,我们可以看到疫苗(UUU -> UUC)的修改都是同义的。疫苗的RNA编码不同,但会产生相同的氨基酸和蛋白质。
如果我们仔细观察,我们会发现大部分的变化发生在密码子的第三个位置,上面有一个' 3 '。如果我们检查通用密码子表,我们会发现第三个位置通常与产生的氨基酸无关。
所以,这些变化是同义的,但为什么会有这些变化呢?仔细观察,我们发现除了一个变化之外,所有的变化都会导致更多的C和G。
你为什么要这么做?如上所述,我们的免疫系统会对「外源性」RNA进行攻击,为了逃避检测,RNA中的「U」已经被ψ所取代了。
然而,事实证明,含有更多G和C的RNA也能更有效地转化为蛋白质,这已经在疫苗RNA中实现了只要有可能就用G和C替换许多字符。
真正的刺突蛋白
疫苗RNA的下3777个字符类似于「密码子优化」,可以添加大量的C和G。
这里我们看到同义的RNA变化。例如,在第一个密码子中CUU变成了CUG。这给疫苗增加了另一个「G」,我们知道这有助于提高蛋白质的生产。
当我们比较疫苗中的整个刺突蛋白时,所有的变化都是同义的。除了两个,这就是我们在这里看到的。
上面的第三和第四个密码子代表了实际的变化。那里的K和V氨基酸都被P或脯氨酸所取代。对于「K」,这需要改变三次(「!!」),而对于「V」,这只需要改变两次(「!!」)。
事实证明,这两个变化极大地提高了疫苗的效率。
那么这里发生了什么?如果你看一个真正的冠状病毒粒子,你可以看到刺突蛋白:
这些刺钉被安装在病毒体内(「核衣壳蛋白」)。但问题是,我们的疫苗只会产生刺突,我们不会把它们植入任何一种病毒体内。
结果是,未经修饰的,独立的刺突蛋白崩溃成不同的结构。如果作为疫苗注射,这确实会使我们的身体产生免疫力。但只针对崩溃的刺突蛋白。
真正的冠状病毒是带着尖刺的。在这种情况下,疫苗不会很有效。
那么该怎么办呢?
2017年,有人描述了如何在正确的位置放置一个双脯氨酸替代,将使SARS-CoV-1和MERS S蛋白形成「预融合」结构,即使不是整个病毒的一部分。这是因为脯氨酸是一种非常坚硬的氨基酸。它就像一种夹板,在我们需要向免疫系统展示的状态下稳定蛋白质。
蛋白质的末端,下一步
如果我们浏览其余的源代码,我们会在刺突蛋白的末端遇到一些小的修改:
在蛋白质的末端,我们会发现一个「停止」密码子,在这里用小写的「s」表示。这是一种礼貌的说法,表示蛋白质应该到此为止。最初的病毒使用UAA终止密码子,疫苗使用两个UGA终止密码子,也许只是为了更好的措施。
3 'UTR
就像核糖体在5 '端需要引入,我们发现了' 5UTR,在蛋白质的末端我们发现了一个类似的结构,称为3 ' UTR。
关于3 ' UTR有很多说法,但这里引用维基百科的说法:「3 ' UTR在基因表达中起着至关重要的作用,它影响mRNA的定位、稳定性、输出和翻译效率。尽管我们目前对3 ' -UTRs有了解,但它们仍然是相对神秘的。」
我们所知道的是,某些3 ' UTR在促进蛋白质表达方面非常成功。根据世卫组织的文件,辉瑞疫苗3 ' UTR是从「split (AES) mRNA的氨基末端增强子和编码12S核糖体RNA的线粒体中提取的,以保证RNA的稳定性和高总蛋白表达」。
编码AAAAAAAAAAAAAAAAAAAAAA的出现结束了一切
mRNA的最末端是聚腺苷化的。这是一种以「AAAAAAAAAAAAAAAAAAAAAA」的奇特结尾。
似乎,就连mRNA似乎也受够了这个糟糕的2020年!
mRNA可以重复使用很多次,但在这个过程中,它也会在末端失去一些A。一旦A耗尽,mRNA就不再起作用而被丢弃。这样,「多聚腺苷酸尾(Poly-A Tail)」就可以防止其退化。
有研究表明,对于mRNA疫苗来说,A的最佳数量是多少。我在公开文献中读到,这个数字在120左右达到了顶峰。
BNT162b2疫苗的是:
这是30个A,然后是「10个核苷酸连接体」(GCAUAUGACU),再后面是70个A。
总结
如果上面的一切让你感到云里雾里,作者在这里为您准备了一份「太长不看版」:
帽子来确保RNA看起来像普通的mRNA
已知的成功和优化的5 ' UTR
密码子优化信号肽,将刺突蛋白送到正确的位置(100%从原始病毒复制)
原始刺的密码子优化版本,有两个「脯氨酸」替代,以确保蛋白质以正确的形式出现
一个已知的成功和优化的3 ' UTR
一个有点神秘的多聚腺苷酸尾(Poly-A Tail),里面有一个无法解释的「连接器」
密码子优化在mRNA上增加了大量的G和C。与此同时,用ψ(1-甲基-3 ' -伪尿酰ψ)而不是U来帮助逃避我们的免疫系统,因此mRNA会停留足够长的时间,所以我们实际上可以帮助训练免疫系统
参考:
XXXXXXXXXXXXXXXXXX/amazing-dna/ 这是一个给程序员看的生物学教程,非常有趣
XXXXXXXXXXXXXXXXXXXXXX/r/technology/comments/kkvri2/reverse_engineering_the_source_code_of_the/ 这是reddit上对本文的讨论页面之一,许多网友贡献了扩展知识,或者指出了文章的不足。
[修改于 3年10个月前 - 2021/01/04 03:19:54]
目前世界上还没有一款成功的mrna疫苗。这个成功了就是疫苗有个新的方向。
时段 | 个数 |
---|---|
{{f.startingTime}}点 - {{f.endTime}}点 | {{f.fileCount}} |
200字以内,仅用于支线交流,主线讨论请采用回复功能。