【新智元導讀】從輝瑞疫苗被批準以后，它就被置于世界的聚光燈下。近日，一位程序員從計算機科學的角度，對輝瑞疫苗的設計進行了「逆向工程」，文章引起不小的反響，從信頭 (Header)、元數(shù)據(jù)（Metadata），到幫助偽裝躲過人體免疫系統(tǒng)防火墻的Ψ 分子，一支疫苗有2萬億段重復的代碼，我們看到了計算機與生物學那頗為神秘的聯(lián)系。

輝瑞疫苗，逆向工程？

聽起來有些不可思議，但一位程序員從計算機科學的角度深度剖析了Biotech／輝瑞的mRNA新冠疫苗BNT162b設計，并撰寫了這篇文章——Biotech／輝瑞SARS-CoV-2疫苗的源代碼的反向工程（Reverse Engineering the sourcecode of the BioNTech/Pfizer SARS-CoV-2 Vaccine）.（以下簡稱輝瑞疫苗）

讀過后，你或許會開始會讓你對生命和計算機世界產(chǎn)生奇妙的聯(lián)系。

簡單的生物學背景

讓我們先來回顧一下生物學知識，這里，我們將透過程序員的眼睛看待生命編碼。

DNA和程序的種種相似的地方，但與計算機使用0和1不同，生命使用A、C、G和U/T來編碼。

在自然界中，A、C、G和U/T都是分子，以鏈的形式儲存在DNA(或RNA)中。

在計算機中，我們把8位編入一個字節(jié)，字節(jié)是處理數(shù)據(jù)的典型單位。

自然界將3個核苷酸組合成一個密碼子，而這個密碼子是典型的處理單元。

密碼子包含6位信息(每個DNA字符2位，3字符= 6位，這意味著2? = 64種不同密碼子值)。

其次，疫苗是一種液體，我們該如何談論源代碼？

源代碼！

讓我們從疫苗的一小部分源代碼開始，下圖為世界衛(wèi)生組織公布的BNT162b前500個字符。

mRNA新冠疫苗BNT162b的核心就是這個數(shù)字代碼。它有4284個字符長，在疫苗生產(chǎn)過程的最開始，將這段代碼上傳到DNA打印機，然后打印機將磁盤上的字節(jié)轉(zhuǎn)換成實際的DNA分子。

DNA打印機，型號BioXp 3200

從這樣的機器中產(chǎn)生了少量的DNA，在經(jīng)過大量的生物和化學處理后，最終成為疫苗瓶中的RNA。

RNA就像計算機的RAM一樣，但是，RNA非常脆弱，所以，輝瑞的mRNA疫苗必須儲存在最深處的深冷庫里。

每個RNA字符的重量為0.53·10?21克，一針疫苗里有2萬億段重復的代碼，相當于25 Pb的數(shù)據(jù)量。

讓我們來看世衛(wèi)組織文件披露的一頁：

首先，cap是什么？就像你不能在計算機上的一個文件中輸入操作碼然后運行它一樣，生物操作系統(tǒng)需要頭文件、鏈接器和調(diào)用約定之類的東西。

疫苗的編碼由以下兩個核苷酸開始:

這可以與以MZ開頭的DOS和Windows可執(zhí)行文件，或以#!開頭的UNIX腳本進行比較。在生活系統(tǒng)和操作系統(tǒng)中，這兩個字符都不會以任何方式執(zhí)行。但他們必須在那里，否則什么都不會發(fā)生。

mRNA 「帽」有許多功能，它讓代碼看起來合法，從而保護它不被我們身體里的免疫系統(tǒng)破壞。

未翻譯區(qū)5 'UTR

生命由蛋白質(zhì)組成。當RNA轉(zhuǎn)化為蛋白質(zhì)時，這被稱為翻譯。

RNA分子只能從一個方向讀取。令人困惑的是，閱讀開始的部分被稱為5'UTR。讀數(shù)在3'UTR停止。

UTR（Untranslated Regions)即非翻譯區(qū)，是mRNA分子兩端的非編碼片段：

在這里，我們遇到了第一個驚喜。正常的RNA特征是A、C、G和U。U在DNA中也被稱為「T」。但在這里我們發(fā)現(xiàn)了一個ψ。

怎么回事?

這是關于疫苗的一個特別聰明的地方。我們的身體運行著一個強大的反病毒系統(tǒng)，由于這個原因，細胞對外來RNA非常冷淡，并且在它做出任何反應之前就要破壞它。

這對我們的疫苗來說是個問題——它需要偷偷通過我們的免疫系統(tǒng)。經(jīng)過多年的實驗，人們發(fā)現(xiàn)，如果RNA中的U被一種稍作修飾的分子所取代，我們的免疫系統(tǒng)就會失去興趣。

所以在輝瑞疫苗中，每個U都被1-甲基-3 ' -偽尿酰(ψ)所取代，它能幫助我們的疫苗逃過免疫系統(tǒng)這一關。

在計算機安全領域，我們也知道這個訣竅：有時可能傳輸某樣東西，雖然這會引起防火墻和安全解決方案的懷疑，但這仍然被后端服務器接受，然后可能被黑客攻擊。

很多人問，病毒能否也用ψ技術來打敗我們的免疫系統(tǒng)？

這是不太可能的。因為生命根本沒有制造1-甲基-3 ' -偽尿酰核苷酸的機制，而病毒需要依靠生命的機制來繁殖自己。而mRNA疫苗在人體內(nèi)迅速降解，而ψ修飾后的RNA不可能在那里復制。

回到5 ' UTR。這51個字符是做什么的？如同自然界的一切事物一樣，幾乎沒有任何事物有一個明確的功能。

當我們的細胞需要將RNA翻譯成蛋白質(zhì)時，這需要使用一種叫做核糖體的機器。核糖體就像蛋白質(zhì)的3D打印機。它攝取一串RNA，在此基礎上釋放出一串氨基酸，然后折疊成蛋白質(zhì)。

這就是我們在上面看到的情況。底部的黑色絲帶是RNA。出現(xiàn)在綠色部分的緞帶是正在形成的蛋白質(zhì)。進出的東西是氨基酸和使它們適合RNA的適配器。

這個核糖體需要坐在RNA鏈上才能發(fā)揮作用。一旦就位，它就可以開始根據(jù)它攝入的RNA進一步形成蛋白質(zhì)。從這一點上，你可以想象它還不能讀出它首先降落的地方。

這只是UTR的功能之一：核糖體著陸區(qū)。UTR提供「導入」。

S糖蛋白信號肽

如前所述，疫苗的目標是讓細胞產(chǎn)生大量刺突蛋白。到目前為止，我們在疫苗源代碼中遇到的大多是元數(shù)據(jù)和調(diào)用約定。現(xiàn)在我們進入病毒蛋白質(zhì)的領域。

然而，我們還有一層元數(shù)據(jù)需要處理。一旦核糖體制造出一個蛋白質(zhì)，這個蛋白質(zhì)仍然需要去某個地方。這是編碼在「S糖蛋白信號肽(擴展先導序列)」。

了解這一點的方法是，在蛋白質(zhì)的開頭有一種地址標簽，作為蛋白質(zhì)本身編碼的一部分。在這個特定的例子中，信號肽表明這種蛋白質(zhì)應該通過「內(nèi)質(zhì)網(wǎng)」離開細胞。

「信號肽」不是很長，但是當我們看代碼時，病毒和疫苗的RNA是有區(qū)別的:

怎么回事呢？我們知道，在生物學中，三個RNA字符組成一個密碼子。每個密碼子都對特定的氨基酸進行編碼。而疫苗中的信號肽與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個不同的密碼子，因為有4個RNA字符，一個密碼子中有3個。然而只有20種不同的氨基酸。這意味著多個密碼子對同一種氨基酸進行編碼。

下表映射了RNA密碼子和氨基酸之間的編碼關系:

RNA密碼子表(維基百科)

在這個表中，我們可以看到疫苗(UUU -> UUC)的修改都是同義的。疫苗的RNA編碼不同，但會產(chǎn)生相同的氨基酸和蛋白質(zhì)。

如果我們仔細觀察，我們會發(fā)現(xiàn)大部分的變化發(fā)生在密碼子的第三個位置，上面有一個' 3 '。如果我們檢查通用密碼子表，我們會發(fā)現(xiàn)第三個位置通常與產(chǎn)生的氨基酸無關。

所以，這些變化是同義的，但為什么會有這些變化呢?仔細觀察，我們發(fā)現(xiàn)除了一個變化之外，所有的變化都會導致更多的C和G。

你為什么要這么做?如上所述，我們的免疫系統(tǒng)會對「外源性」RNA進行攻擊，為了逃避檢測，RNA中的「U」已經(jīng)被ψ所取代了。

然而，事實證明，含有更多G和C的RNA也能更有效地轉(zhuǎn)化為蛋白質(zhì)，這已經(jīng)在疫苗RNA中實現(xiàn)了只要有可能就用G和C替換許多字符。

真正的刺突蛋白

疫苗RNA的下3777個字符類似于「密碼子優(yōu)化」，可以添加大量的C和G。

這里我們看到同義的RNA變化。例如，在第一個密碼子中CUU變成了CUG。這給疫苗增加了另一個「G」，我們知道這有助于提高蛋白質(zhì)的生產(chǎn)。

當我們比較疫苗中的整個刺突蛋白時，所有的變化都是同義的。除了兩個，這就是我們在這里看到的。

上面的第三和第四個密碼子代表了實際的變化。那里的K和V氨基酸都被P或脯氨酸所取代。對于「K」，這需要改變?nèi)?「!!」)，而對于「V」，這只需要改變兩次(「!!」)。

事實證明，這兩個變化極大地提高了疫苗的效率。

那么這里發(fā)生了什么？如果你看一個真正的冠狀病毒粒子，你可以看到刺突蛋白：

這些刺釘被安裝在病毒體內(nèi)(「核衣殼蛋白」)。但問題是，我們的疫苗只會產(chǎn)生刺突，我們不會把它們植入任何一種病毒體內(nèi)。

結(jié)果是，未經(jīng)修飾的，獨立的刺突蛋白崩潰成不同的結(jié)構(gòu)。如果作為疫苗注射，這確實會使我們的身體產(chǎn)生免疫力。但只針對崩潰的刺突蛋白。

真正的冠狀病毒是帶著尖刺的。在這種情況下，疫苗不會很有效。

那么該怎么辦呢？

2017年，有人描述了如何在正確的位置放置一個雙脯氨酸替代，將使SARS-CoV-1和MERS S蛋白形成「預融合」結(jié)構(gòu)，即使不是整個病毒的一部分。這是因為脯氨酸是一種非常堅硬的氨基酸。它就像一種夾板，在我們需要向免疫系統(tǒng)展示的狀態(tài)下穩(wěn)定蛋白質(zhì)。

蛋白質(zhì)的末端，下一步

如果我們?yōu)g覽其余的源代碼，我們會在刺突蛋白的末端遇到一些小的修改:

在蛋白質(zhì)的末端，我們會發(fā)現(xiàn)一個「停止」密碼子，在這里用小寫的「s」表示。這是一種禮貌的說法，表示蛋白質(zhì)應該到此為止。最初的病毒使用UAA終止密碼子，疫苗使用兩個UGA終止密碼子，也許只是為了更好的措施。

3 'UTR

就像核糖體在5 '端需要引入，我們發(fā)現(xiàn)了' 5UTR，在蛋白質(zhì)的末端我們發(fā)現(xiàn)了一個類似的結(jié)構(gòu)，稱為3 ' UTR。

關于3 ' UTR有很多說法，但這里引用維基百科的說法:「3 ' UTR在基因表達中起著至關重要的作用，它影響mRNA的定位、穩(wěn)定性、輸出和翻譯效率。盡管我們目前對3 ' -UTRs有了解，但它們?nèi)匀皇窍鄬ι衩氐摹！?/p>

我們所知道的是，某些3 ' UTR在促進蛋白質(zhì)表達方面非常成功。根據(jù)世衛(wèi)組織的文件，輝瑞疫苗3 ' UTR是從「split (AES) mRNA的氨基末端增強子和編碼12S核糖體RNA的線粒體中提取的，以保證RNA的穩(wěn)定性和高總蛋白表達」。

The AAAAAAAAAAAAAAAAAAAAAA end of it all

mRNA的最末端是聚腺苷化的。這是一種以「AAAAAAAAAAAAAAAAAAAAAA」的奇特結(jié)尾。

似乎，就連mRNA似乎也受夠了這個糟糕的2020年！

mRNA可以重復使用很多次，但在這個過程中，它也會在末端失去一些A。一旦A耗盡，mRNA就不再起作用而被丟棄。這樣，「多聚腺苷酸尾（Poly-A Tail）」就可以防止其退化。

有研究表明，對于mRNA疫苗來說，A的最佳數(shù)量是多少。我在公開文獻中讀到，這個數(shù)字在120左右達到了頂峰。

BNT162b2疫苗的是:

這是30個A，然后是「10個核苷酸連接體」(GCAUAUGACU)，再后面是70個A。

太長不看版

如果上面的一切讓你感到云里霧里，作者在這里為您準備了一份「太長不看版」：

帽子來確保RNA看起來像普通的mRNA

已知的成功和優(yōu)化的5 ' UTR

密碼子優(yōu)化信號肽，將刺突蛋白送到正確的位置(100%從原始病毒復制)

原始刺的密碼子優(yōu)化版本，有兩個「脯氨酸」替代，以確保蛋白質(zhì)以正確的形式出現(xiàn)

一個已知的成功和優(yōu)化的3 ' UTR

一個有點神秘的多聚腺苷酸尾（Poly-ATail），里面有一個無法解釋的「連接器」

密碼子優(yōu)化在mRNA上增加了大量的G和C。與此同時，用ψ(1-甲基-3 ' -偽尿酰ψ)而不是U來幫助逃避我們的免疫系統(tǒng)，因此mRNA會停留足夠長的時間，所以我們實際上可以幫助訓練免疫系統(tǒng)。

文章在reddit上引起了廣泛討論，學科間的邊界似乎也越來越模糊。

一位網(wǎng)友看完后直言：我通過稍微修飾U核苷酸，可以使RNA越過我們的「安全系統(tǒng)」。我們的安全系真的糟透了！

你呢？你怎么看？

責任編輯：lq