现存的头足类动物分为较为原始的鹦鹉螺亚纲和蛸亚纲，其中蛸亚纲包括我们熟悉的章鱼、鱿鱼和乌贼。一直以来，章鱼、鱿鱼和乌贼等蛸亚纲头足类动物被认为是具有智慧的物种，甚至被称为“地球上的外星人”。





这不仅仅是因为它们可以灵活地使用工具，比如打开瓶瓶罐罐，或者喷出墨汁来表达整蛊敌人，更重要的是，它们小小的大脑里所蕴藏的智慧超出了大家的想象。即便是对于那些长期研究这一物种的生物学家们来说，蛸亚纲头足类动物的高智商还是令人感到十分惊讶——这一物种的智力水平甚至可以与 5 岁幼儿相媲美。

最近，根据来自美国海洋生物实验室的神经生物学家Joshua Rosenthal发表在《细胞》杂志上的文章显示，章鱼所在的蛸亚纲头足类动物竟然还拥有大规模篡改遗传学中心法则的能力。



Joshua Rosenthal


一般来讲，生命体在需要生成新的蛋白质的时候，通常都是由RNA充当基因信息DNA传递的媒介，而 RNA 作为信使也是要严格执行这一传递的任务，理论上不会出现任何偏差。

然而，蛸亚纲头足类动物特殊的地方是，它们会对自己的信使RNA进行重新编辑。这样一来，最后制造出来的蛋白质也会和预先设定的有所不同。

一些科学家认为，这样的系统可能已经产生了一种特殊类型的进化，即基于RNA编辑，而不是传统的DNA突变——而这很可能是蛸亚纲头足类动物具有复杂行为和高智商的最主要原因。




蛋白质产生机制


科学家发现，鱿鱼脑中超过60％的RNA转录子是自发重新编码的。而在其他动物中，无论是果蝇还是人类，这种重新编码事件的概论仅有1％。同样高水平的RNA编辑也在其他“高智商” 蛸亚纲头足类中被发现，包括一种墨鱼和两种章鱼。

这样的RNA编辑机制目前仍在研究之中。Rosenthal如此问道：“编辑什么时候开始，由什么环境诱发？这可能就像自然界中温度变化那样自然，也有可能像在大脑中建立经验、记忆形式那么复杂。”

不过，这种改变也意味着一种舍弃，研究人员将之描述为，“优化选择过程中的编辑行为明显抑制了基因组的自我进化。”换句话说，这些头足类动物的基因已经不会像其它动物那样在恶劣的生存环境中快速进化了。




我们要熟悉章鱼整个“编辑”的过程，就需要对其中所涉及的重要物质进行必要的了解：

首先，最重要的就是可被视为合成蛋白质遗传指令信使的RNA。当生命体发出要构建新的细胞的指令后，DNA就会自我复制一份相同信息到RNA上，但与原版DNA不同的是，创建后的RNA没有双螺旋结构，链条也更短，没有冗余的信息，只包含这次要制造的新的蛋白质所需的信息。

接下来，就是创建蛋白质的真正主体核糖体，开始对RNA的信息序列进行读取的过程。


DNA中存在大量不编码蛋白质的内含子结构。在DNA向RNA转录的过程中，内含子通常会被剪切删除。但是，内含子中的一串特殊序列可以使它与一种叫ADAR的酶相结合进而实现真正的RNA编辑。这种酶可以在RNA中进行单点编辑，将腺嘌呤（A）转化为次黄嘌呤（I），核糖体解析它为鸟嘌呤（G）。



核糖体示意图


这种单点性质的编辑就类似于一个小小的修改器，足以改变蛋白质的功能作用。理论上，它甚至还可以改变基因的复杂程度：因为人类原本只具有两个既定基因的拷贝，在增添几个以上述方法编辑过的RNA点位之后，各类型的蛋白质的数量就会呈指数爆炸式上升。

而动物恰恰可以利用这一点来调整自身的生理机能，以适应外界环境的变化，例如，当气温发生变化时，章鱼就会重新编辑RNA来使其蛋白质适应不同的温度。

不过值得注意的是，虽然前文所提到的“基因编辑”所需要的酶是大多数生物都具备的，但它并不被普遍使用。事实上，密歇根大学进化生物学家张建之(Jianzhi George Zhang）认为，RNA再编辑应该是一件有害的事情。



张建之


学界也对对这一件事产生了共识，即大部分生物都在进化的过程中有过“RNA再编辑”的尝试，绝大多数都以失败告终，从这个角度讲，章鱼应该算是一例“幸存者”了。

Rosenthal曾经研究乌贼的体内的某种特定蛋白，这也让他意识到蛸亚纲头足类动物可能会一种很不一样的生物。当他每次分析其RNA序列时，呈现的结果都会有所不同：这些RNA中的次黄嘌呤（I）偶尔会替代腺嘌呤（A）。

于是，Rosenthal开始猜想，乌贼是否会对其他类型的蛋白质也进行这类RNA编辑。





近日公布的结果显示，包括乌贼、章鱼和墨鱼在内的智能软体动物家族，在其基因中具有数千个RNA编辑位点——也就是说，如果把人类、昆虫和其他多细胞生物的遗传物质比作一本书，那么乌贼的基因物质更像是一个疯狂的填词游戏。

那为什么在大多数生物都淘汰掉RNA编辑时，头足类动物却依旧保留着这种能力？答案似乎在于其RNA编辑点位中形成的一种神奇的“双链苜蓿叶”结构，这中结构携带的信息就好比RNA编辑的标签。

当科学家研究章鱼、乌贼和墨鱼时，他们发现，这些物种保留了大量这类遗传信息，而付出的代价就是基因组没有太多的进化。Rosenthal说：“基因编辑能力对头足类动物来说太重要了，以至于它们可以因此放弃普遍意义上的进化标准。”





于是，研究人员假设，对于蛸亚纲头足类动物而言，形成一个复杂的大脑是十分值得的。研究人员在它们的脑组织中发现了许多编辑过的蛋白质，从而可以产生精细的神经元树突和轴突，并调整了神经元通过的电信号。也许，RNA编辑作为用来创造更复杂大脑的手段，允许这些物种使用工具、伪装自己、以及进行沟通。

然而，这只不过是一个假设。研究人员并不能准确地说明RNA编辑的时间和位置，甚至是什么结束——尽管研究人员已经表明，编辑关键脑蛋白质会改变这些蛋白质的功能。



蛋白质的分子结构


Rosenthal希望了解，RNA编辑在这些海底捕食者的智力中可能发挥的作用，因为他认为发现背后的原理可能会帮助囊性纤维化等人类疾病的治疗。

无论如何，这仍然是一个遥远的目标，但让人感到安慰的是，人类可能终将知道这些“地球外侨”已经存在数百万年的秘密

麻省沃尔瑟姆市的一座钢筋混泥土建筑的二楼，一个实验室冰箱里的塑料盒中，包含着无数种化学分子。这些分子是葛兰素史克制药公司（GlaxoSmithKline, GSK）合成的带DNA标签的分子，数目达到万亿种——这是银河系恒星数目的十倍。
各大制药公司和生物工程公司都在采用这种DNA编码分子库来迅速筛选能与疾病相关蛋白结合的分子，尤其是能与那些目前难以靶向的蛋白结合的药物。这种筛选方法比传统筛药方式更迅速，更便宜。基础科学研究者也可以使用这种方法来探索基本生物学问题，研究酶、受体和细胞通路。
药物研发的起始步骤往往是：研究人员合成大量化学分子，然后测试这些分子对目标蛋白的结合作用。在多孔板的每个孔里加入目标蛋白，然后分别加入各种药物分子，检测这些分子对蛋白活力的影响。这种方法被称为高通量筛选（high-throughout screening, HTS），主要使用机器自动测试上百万种化学分子，但仍然耗时耗力还费钱，而且不一定凑效。
过去几年来，药物化学家通过用DNA标记化学分子，形成分子的二维码，从而提高药物研发成功率。这些DNA编码分子库具有诸多优点。首先，研究者并不需要单独测试每种分子，而是把分子分成各种混合物，然后检测混合物是否对目标蛋白活性有影响。一旦有分子能与目标蛋白结合，它就很容易被认出来——因为可以检测它的DNA二维码。
1992年斯克里普斯研究所（Scripps Research Institute）的分子生物学家Sydney Brenner 和化学家 Richard Lerner首次提出DNA编码分子库这一概念。此后，DNA编码分子库一直发展迅猛。2007年，GSK公司以5500万美金收购了一家在DNA标签分子库研究站处于领先地位的公司。瑞士巴塞尔的诺华公司和罗氏公司也建立了内部DNA标签分子库研究项目。多家新兴生物科技公司——包括沃尔瑟姆的X-chem、哥本哈根的Vipergen、剑桥的Ensemble制药公司和瑞士的Philochem——也和学界和工业界合作，迫切希望使用该技术。
“人们现在明白了，DNA编码分子库不是一种时尚，而是可以实现的。” 波士顿阿斯利康公司（X-Chem公司的合作者之一）化学创新中心的执行理事Robert Goodnow这样说到。
DNA编码分子库不会取代HTS：各大公司已在HTS上投入巨资，同时一些化合物，不能使用DNA编码技术合成。但DNA编码分子库提供了一个快速有效、低成本的互补方案，帮助寻找与新的或具有挑战性的目标蛋白结合的分子。例如，寻找泛素连接酶——一种将泛素分子连接到目标蛋白的酶、可作为癌症治疗的靶向分子——的结合分子。

大即是美GSK目前拥有世界上最大的DNA编码分子库：GSK的HTS库有200万种分子，而DNA编码分子库有1万亿种分子，是HTS库的50万倍。
建立DNA编码库有几种方式：最大的分子库，如GSK公司，使用 DNA记录法（图：建立DNA二维码）。首先合成化学构建模块，如氨基酸、胺和羧酸，然后通过化学反应，为它们添加不同的DNA二维码。将第二个建构模块加入到混合物中，形成新的小分子，DNA标签延长。通过连接4个构建模块，化学家可创造药物分子。由于建筑模块的种类有上千种，因此潜在的组合数目非常巨大。
与传统HTS相比，化学家必须单独对每个化合物进行检测，而DNA编码库更易于维护和使用。DNA编码库可以存储在一个单一测试管中，而HTS需要使用机器人把每个分子单独放到一个测试管中。
但GSK的经理Chris Arico-Muendel表示，DNA编码库最大的优点，是可合成的分子数量多。对于新或难的目标蛋白，GSK使用DNA编码库和HTS的频率相同，甚至更高。迄今为止，GSK公司使用DNA编码技术合成的最先进的化合物是GSK2256294，能有效阻断环氧化物酶，一种参与脂肪分解的酶。该候选药物是Praecis和GSK的合作成果，已通过1期临床安全实验，将进一步评估其在糖尿病、伤口愈合和慢性阻塞性肺病的治疗中的效果。Arico-Muendel表示，他们很高兴，GSK的DNA编码库能发展这么顺利。
随着化学构建模块的增多，以及连接方式的增多，DNA编码库还会进一步扩大。
X-Chem首席执行官Richard Wagner则认为，在不久的将来，DNA编码库不仅变得更大，也能更快进入临床。传统的药物筛选中，药物化学家有时要花许多年来调整化合物结构，让它们更特异、强效和安全。Wagner表示，可以说，传统筛药只是一场概率游戏。相比之下，基因编码库的大尺寸意味着，按照概率计算，一些化合物更易进入临床。尽管这些化合物仍然需要优化，但更接近理想分子，需要调整的幅度更小。
X-Chem的DNA编码库有1200亿种化合物，并已开始进行实践。仅仅过了一年，他们就筛选出了最先进的候选药物——一种autotaxin抑制剂，能阻断一种磷脂转化成另一种磷脂。X-Chem的子公司X-Rx现在计划在2017年开始纤维变性药物的临床试验。业界对X-Chem的DNA编码分子库的兴趣日益高涨：在过去五年中，该公司已与几大制药巨头，包括罗氏、阿斯利康、拜耳、强生、辉瑞、赛诺菲等签署合作协议，此外还和多个生物工程公司和学术实验室建立合作。


定制合成其他生物公司则采用另一种方法合成分子库。他们不仅使用DNA标签来标记分子，也使用DNA标签作为合成模板。哈佛大学（Harvard University）的化学家David Liu和他的学生开发了一种DNA模板法，产生环形分子库。环状分子更大、更稳定，能在多个位点与目标分子结合，增强结合反应的特异性。（GSK和X-Chem公司都有很大的DNA编码环形分子库。）
Sydney Brenner和Richard Lerner在1992年提出DNA编码分子库的概念。

Liu首先产生单链DNA模板，模板包含与化学构建模块的DNA标签互补的序列。然后依次往化学反应容器中加入DNA标记的化学构建模块，依靠DNA碱基配对，使各个构建模块的DNA标签与DNA模板结合。最后的反应是将各个化学构建模块连接成环状，产生环形分子和一个长链DNA标签。
构建DNA模板库需要大量工作，因为研究人员必须为每个分子设计模板，还需要为成千上万种化学构建模块设计DNA标签。因此，DNA模板法产生的分子库小于DNA记录法产生的分子库，但依旧远大于HTS库，并且还拥有其他优点。在DNA模板法中，科学家们一开始就知道最终合成的分子有哪些，他们可以纯化分子库，去掉那些标签错误的分子。这增加了筛药的成功率。相比之下，巨大的DNA记录分子库可能仍然包含标签错误的化合物。万一标签错误的分子与目标蛋白结合，研究者们就需要浪费大段时间在纠错上。
Liu的分子库包含14000种分子，目前已取得一些成功。2014年，他的团队报道，他们发现了一种稳定的、特异的胰岛素降解酶（insulin-degrading enzyme, IDE，与2型糖尿病有关）小分子抑制剂，在此之前，研究者们花了几十年寻找和设计IDE抑制剂。Liu等人开始研究IDE在健康和疾病中的作用，帮助寻找其它IDE抑制剂。目前他们正努力把小分子抑制剂转化成临床药物。
Liu也筛选了100多种目标蛋白的抑制剂。这些蛋白大多急需小分子抑制剂，来促进相关领域的研究。“我没有想到，第一代分子库在7年后的今天，仍然能为我们带来这么多科学发现。在筛选抑制剂上，我们成果累累。到现在为止，我们发现了非常多种分子的抑制剂，数目多到我们无法一一研究。”
尽管如此，Liu仍然不懈发展第二代DNA模板分子库，这个分子库包含256000个环形分子。Liu在2004年创立了Ensemble Therapeutics公司，该公司的分子库现在已有1000万个分子。公司聚焦于寻找免疫检查点蛋白的抑制剂，调节免疫系统和泛素连接酶。他还授权给诺华公司，开发靶向炎症相关蛋白白细胞介素-17的药物。


快速筛选一旦分子库建立成功，就开始了目标蛋白结合分子的寻找之旅。大多数研究人员依靠“亲和筛选”来找出这些化合物。为此，他们为靶蛋白添加纯化标签，使用纯化标签把结合了分子的蛋白提取出来。最后一步是读取DNA标签，鉴别与蛋白结合的小分子。
这种方法的一个优点是，仅需一点点目标蛋白，就能得到结果。在一个项目中，Arico-Muendel想寻找一种不稳定的、获取量很少的蛋白的结合分子。他说，“把蛋白放在干冰上过夜后，我们很快完成了整个筛选过程。而且我们找到了一些能与该蛋白结合的分子。”HTS是无法完成这种这类实验。因为HTS里，目标蛋白必须稳定且足量，且要在实验开始前往千百个孔里加入目标蛋白。
但亲和筛选也有其不足。笨重的DNA标签有时会阻碍分子与目标蛋白的互动，因此一些有效的分子可能被遗漏。但由于DNA编码库太大，研究者们通常不太在意这些损失。更大的问题是，小分子和标签可以结合到纯化柱上，产生假阳性率。纯化标签也会影响目标蛋白的结构，引入数据误差。
几个研究小组已经找到了解决之道。Vipergen，一家拥有5000万个分子的DNA模板库的生物技术公司，采用“粘合剂陷阱”来解决这个问题。
Vipergen公司的首席执行官Nils Hansen表示，你可以冻结你的蛋白——分子库混合物，切割成非常小的冰块。如果冰块足够小，每个冰块只包含一个靶蛋白。在这个尺度上，即使没有纯化，与该靶蛋白结合的小分子的比例也会增加。Vipergen在水和油乳剂中完成筛选，也能达到同样的效果。此时，微小的水滴的效果等同于小冰块。Hansen感慨，“这超酷！”
目前，DNA编码分子库最适合用于筛选可溶于水、自由浮动的蛋白的抑制剂。但很多重要的药物靶点嵌于细胞表面，因此不可能使用传统的亲和筛选法。例如，大约40%的经认证药物的靶点都是细胞膜上感受胞外刺激的G蛋白偶联受体。Goodnow指出，膜结合蛋白的筛选技术在不断发展，“但仍然不够完善”。
一种解决方法是混合DNA编码分子库与过表达膜结合蛋白靶标的完整细胞。小分子可以与细胞表面的目标蛋白结合。然后，研究者洗去未发生结合的分子，加热细胞，读取DNA标签，鉴定有效的小分子。GSK已经用这种方法来确定一个受体——该受体在精神分裂症和中枢神经系统疾病中起重要作用的强效抑制剂。
X-Chem也在膜结合蛋白药物筛选中获得成功。Wagner说，“以前，我们主要筛选可溶性蛋白的抑制剂。但数据显示，我们现在也能筛选相对困难的膜结合蛋白的抑制剂。” Wagner补充说，随着DNA编码库的不断扩大，以及新的筛选方法的问世，“DNA编码库将成为医药行业药物研发的支柱之一。” 有人试图对几乎无药可救的儿童患者开展一项实验研究，他们希望可以为这些患儿所患的不同肿瘤找到合适的药物，而且还可以为每一位患儿制备一个相应的小鼠动物模型。不过这项研究是否可行还值得商榷。
五年前，医生告诉Patrick Lacey他的儿子Will可能快不行了。Will患有神经母细胞瘤（neuroblastoma），这是一种主要侵犯儿童神经系统的肿瘤，有一半的患儿被确诊时都已经到了疾病的晚期，它几乎是一种绝症，无人能够幸免。Lacey这位拥有一头赤褐色头发、身材魁梧、操着波士顿口音的壮汉回忆说：“我看着Will，他当时才两岁，可医生却告诉我说他们毫无办法。我简直不能接受这一切。”
于是Lacey开始上网寻求帮助。他找到了一些和Will一样身患神经母细胞瘤，而且治疗之后又复发的患儿家庭。Lacey还查找了大量的科技文献，想从中找到治疗方法。2007年，Lacey在美国纽约的一次集会中认识了当时就职于佛蒙特州立大学（University of Vermont）的儿科肿瘤专家Giselle Sholler。
Lacey当时被Sholler这位刚刚结束实习生涯的儿科医生的反应给惊呆了。当Lacey告诉Sholler说Will无药可治时，Sholler却反问道：“为什么说他没救了？”接着Sholler又继续说道：“这些患了神经母细胞瘤疾病的孩子过去的确是无药可救，但这并不意味着我们将来面对神经母细胞瘤依然会束手无策，并不意味着他们永远没救。”
Sholler非常清楚，如果用其他医生们采用的标准方法来治疗神经母细胞瘤肯定没戏。其中有一部分原因是因为每一位患儿体内神经母细胞瘤细胞的变异情况各不相同，所以肿瘤经常会产生耐药性。因此大约有三分之二的患儿在接受治疗之后都会复发，而且一旦复发，那几乎就是必死无疑。在神经母细胞瘤患病人群中治愈率大约只有1%。
今天绝大多数肿瘤学家的看法都和Sholler当时的看法是一样的，即只剩下个性化医疗（personalize care）这一条出路，因为只有对症（瘤）下药，才能药到病除。现在，这一治疗措施已经在神经母细胞瘤患病人群中广泛应用了，最近已经有好几种针对几种遗传突变位点和其它几个关键的治疗靶点的试验药或已批准药物进入临床，儿科临床医生们也已经开始对症（瘤）下药了。不过这并没有让Sholler满足，她的目标更大，她知道目前在临床上对药物和相应治疗靶点的匹配情况还不理想，她希望这一点能够尽快得到改善，因为她的小患者们等不了。
Lacey在了解了Sholler的想法之后就开始到处筹钱支持她的工作。由Lacey和其他一些神经母细胞瘤患儿家长们组成的基金会已经为Sholler的实验室筹集了数十万美元的科研经费，所以Sholler才能够将她那与众不同的研究开展下去。Sholler等人对这些无药可医的孩子体内肿瘤细胞的基因表达谱进行了大量的研究，然后用各种不同的算法将每一种特征性的肿瘤表达谱与现有的几种药物（其中还包括了几种不属于抗肿瘤类药物的药物）进行了匹配。Sholler的课题组还为每一位患儿体内的肿瘤构建了小鼠病理模型，并且用这些小鼠模型进行了药物疗效的检测，以帮助她们找到最佳的匹配方案。