日前，一位程序员的作品在推特上走红。我们都知道计算机程序是用代码编写的。最底层会有机器码和汇编语言，C、Python等高级语言更容易让人理解。事实上，大自然也有“DNA和RNA串”形式的源代码，其中包含构成生命元素的代码。在这篇文章中，作者BertHubert介绍了计算机与生物学之间有趣的联系。对于一般读者来说，这是一篇简单但科学的分析文章，从生物学的角度解释一些高度复杂的概念。阅读这篇博文后，你们中的一些人可能会受到启发进入遗传学和生物学的世界。言归正传，大众印象中的疫苗是手臂注射的液体，何必讨论它的源代码呢？这是个好问题。如果要回答的话，先从BioNTech/Pfizer公司的新冠疫苗“BNT162b2”的一小部分源代码说起，该疫苗又名Tozinameran，Comirnaty。BNT162b2mRNA的前500个字符。资料来源：世界卫生组织。BNT162bmRNA疫苗内部有这样一个数字代码，长度为4284个字符。在疫苗生产过程中，有人将这段代码上传到一台DNA打印机，打印机将磁盘上的字节变成了实际的DNA分子。BioXpTM3200DNA打印机该机器产生的DNA非常少，经过广泛的生物和化学处理后，最终在疫苗瓶中变成RNA。30微克剂量的疫苗实际上含有30微克RNA，此外还有将mRNA输送到人体细胞的脂质包装系统。RNA是DNA的易失性“工作记忆”版本。DNA就像是生物的闪存，非常耐用、冗余，而且非常可靠。但就像计算机无法直接从闪存驱动器中运行代码一样，在发生某些事情之前，代码会被复制到一个更快、更强大但更脆弱的系统中。计算中RAM的真实情况也适用于生物学中的RNA。很多东西是如此惊人的相似，RAM降解得很快，RNA也是“脆弱的花朵”，所以辉瑞/BioNTech的mRNA疫苗必须存放在最深的冰箱里。每个RNA字符重约0.5310^?21克，这意味着30微克疫苗剂量中有6个10^16字符，按字节计算大约为25PB，或2万亿个4284个字符的片段重复。疫苗中包含的实际信息量刚刚超过1KB，而新型冠状病毒(SARS-CoV-2)本身的重量约为7.5KB。基本背景DNA是一种数字代码，与使用0和1的计算机不同，生物学使用A、C、G和U/T（“核苷酸”、“核苷”或“碱基”）。A、C、G和U/T是分子，以链的形式存储在DNA或RNA中。在计算机中，8位就是一个字节，字节是计算机处理数据的最小存储单位。在自然界中，3个核苷酸被编码成一个密码子，这是遗传信息的基本内容，包含6位信息。疫苗旨在教会人体的免疫系统如何在不生病的情况下抵抗病原体。那么代码有什么作用呢？源码先来看一下世界卫生组织（WHO）公开的地图：先从“cap”说起。就像你不能在计算机文件中输入操作码并运行它一样，生物操作系统需要头文件、链接器、调用约定等。辉瑞疫苗的代码以以下两个核苷酸开头：GA等同于DOS和Windows可执行文件的MZ，或#!对于UNIX脚本。在生命系统和操作系统中，这两个字母都不会以任何方式执行，但它们必须存在，否则不会发生其他操作。mRNA帽具有许多功能，例如将代码标记为来自细胞核。并且在本文讨论的疫苗的上下文中，代码源自疫苗。cap使编码看起来合规，防止它们被破坏。GA核苷酸的化学成分与RNA的其余部分略有不同，其中GA具有某种带外信号。蛋白质的5′非翻译区（5′UTR）是生命存在的物质基础。当RNA转化为蛋白质时，称为“翻译”。RNA分子只能在一个方向上读取，读取从5'非翻译区开始，到3'非翻译区停止。5'非翻译区(5'UTR)是成熟mRNA在编码区(CDS)上游和5'帽下游未翻译成蛋白质的区域：GAAΨAAACΨAGΨAΨΨCΨΨCΨGGΨCCCCACAGACΨCAGAGAGAACCCGCCACC在这里，我们遇到了第一个惊喜。RNA中有四个主要碱基：A（腺嘌呤）、G（鸟嘌呤）、C（胞嘧啶）和U（尿嘧啶）。U在DNA中被称为“T”。但是Ψ来了。ψ是辉瑞疫苗非常聪明的地方。人体运行着强大的抗病毒系统。结果，细胞对外来RNA极为冷漠，并试图在它做任何事情之前将其摧毁。这就是疫苗的问题，它需要逃避人体的免疫系统。过去几年的实验发现，如果RNA中的U被稍微修饰过的分子取代，免疫系统就会对它失去兴趣。因此，辉瑞疫苗中的每个U都被Ψ（1-甲基-3'-假尿苷基）取代。巧妙之处在于，尽管Ψ安抚了人体的免疫系统，但它仍被细胞的相关部分接受为正常的U。计算机安全领域也有类似的事情。有时，消息的轻微损坏版本可能会欺骗防火墙和安全解决方案进行传播，同时它仍被后端服务器接受。很多人问，疫苗能否利用ψ技术打败人体免疫系统？答案是否定的。生命本身没有构建1-甲基-3'-假尿苷基核苷酸的机制。病毒就是靠这种生命机制进行自我复制，但这种机制并不存在。mRNA疫苗在人体中会迅速降解，因此不太可能复制Ψ校正的RNA。现在回到5'未翻译区域。这51个字母在做什么？就像自然界中的所有事物一样，很少有事物具有明确的功能。当细胞需要将RNA转化为蛋白质时，它会通过一种叫做核糖体的机器来完成。核糖体就像蛋白质的3D打印机，吸收RNA并抽出氨基酸，然后制造蛋白质。图片来源：维基百科用户@Bensaccount。正如你在动画中看到的那样，底部的黑色丝??带是RNA，丝带出现在绿色区域的部分是合成蛋白质，飞来飞去的是氨基酸和适合RNA的接头。这种核糖体需要物理定位在RNA链上才能发挥作用，一旦锚定，它就可以根据它摄取的其他RNA开始形成蛋白质。由此可以想象，它无法读取它首先着陆的部分。这只是UTR的功能之一：核糖体着陆区。UTR提供了“导入”的功能。除此之外，UTR还包含元数据：翻译发生在何时？发生了多少？对于疫苗，他们从α珠蛋白基因中提取了“直接”UTR。已知该基因会产生大量蛋白质。在过去的几年里，科学家们已经找到了进一步优化这个UTR的方法，而不是通常更好的alpha珠蛋白UTR。S糖蛋白信号肽如前所述，该疫苗的目标是使细胞产生大量的SARS-CoV-2刺突蛋白。到目前为止，我们在疫苗源代码中遇到的只是元数据和“调用约定”。现在进入实际病毒蛋白的领域。但是，我们还有一层元数据需要处理。一旦核糖体产生了蛋白质，蛋白质仍然需要去某个地方。这是在“S糖蛋白信号肽（扩展的指导肽序列）”中编码的。如何理解这种情况？在蛋白质的开头有一个地址标签，它被编码为蛋白质的一部分。在这种情况下，信号肽表明蛋白质应该通过“内质网”从细胞中分离出来。还有，“信号肽”不长，但是我们看代码的时候，病毒RNA和疫苗RNA是有区别的。具体如下代码所示，为了方便对比，使用正则RNAU替换修正后的ψ：33333333333333333Virus:AUGUUUGUUUUUCUUGUUUAUAUGCCACUAGUCUCUAGUCAGUGUGUUUVAccine:AUGUUCGUGUUCCUGGUGCUGCUGCCUCUGGUGUCCAGCCAGUGUGUU!!!!!!!!RNA并非偶然地列在3个字母的组中。我们知道3个RNA字母组成一个密码子，每个密码子编码一个特定的氨基酸。疫苗信号肽中所含的氨基酸与病毒本身所含的氨基酸完全相同。那么为什么RNA不同呢？由于有4个RNA字符，其中3个在密码子中，所以总共有4^3=64个不同的密码子。但是只有20种不同的氨基酸，因此需要多个密码子来编码相同的氨基酸。下图显示了RNA密码子和氨基酸之间的映射：RNA密码子。来源：维基百科如上表所列，疫苗修饰（UUU→UUC）都是同义词。疫苗RNA编码不同，但产生相同的氨基酸和蛋白质。如果我们仔细观察，我们可以看到大部分变化发生在密码子的第3个位置，用“3”标记。如果您检查通用密码子图，位置3与氨基酸生产无关。所以，变化是同义词。但是为什么会发生这些变化呢？仔细观察会发现，除了一个变化外，所有变化都会导致更多的C和G。那为什么要这样做呢？如上所述，我们的免疫系统对“外来”RNA（即来自细胞外的RNA代码）持悲观态度。为了逃避检测，RNA中的“U”已被Ψ取代。但事实证明，具有更多G和C的RNA也可以更有效地转化为蛋白质。这已经在疫苗RNA中通过将更多字符替换为Gs和Cs来实现。真正的刺突疫苗RNA接下来的3,777个字符经历了类似的“密码子优化”以添加更多的Cs和Gs。出于篇幅考虑，这里并未列出所有代码，但列出了非常具体的代码。这部分代码确实可以工作并帮助人们恢复正常生活：**LDKVEAEVQIDRLITGVirus:CUUGACAAAGuUGAGGCUGAAGUGCAAAUUGAUAGGUUGAUCACAGGCVaccine:CUGGACCCCUCCUGAGGCCGAGGUGCAGAUCGACAGACUGAUCACAGGCLDPPEAEVQIDRLITG!!!!!!!!!如上代码所示，我们可以看到同义词RNA的变化。例如，CUU在第一个密码子中变为CUG。这代表在疫苗中增加了另一个“G”，有助于增强蛋白质的产生。由于CUU和CUG都编码氨基酸“L”（亮氨酸），因此蛋白质没有变化。当我们比较疫苗中的整个刺突蛋白时，所有变化都是同义的，但以下两个例外。上面的第3和第4个密码子代表实际变化。K和V氨基酸都被“P”（脯氨酸）取代。对于“K”氨基酸，需要3个变化（“!!!”）；对于“V”氨基酸，只需要2个变化（“!!”）。这表明这两个变化大大提高了疫苗效率。如果你观察一个真正的SARS-CoV-2颗粒，你会看到刺突蛋白簇，就像这个：SARS病毒颗粒。资料来源：维基百科SARS病毒颗粒这些尖刺被植入病毒颗粒（核衣壳蛋白）上。但问题是，我们的疫苗只会产生刺突，不会将它们植入任何病毒中。结果，未经修饰的单个刺突蛋白坍缩成不同的结构。如果作为疫苗给予，这确实会给我们的身体带来免疫力，但只是针对崩溃的刺突蛋白。真正的SARS-CoV-2有一个尖峰。在这种情况下，疫苗不会非常有效。那么该怎么办？2017年，有人描述了在正确位置放置双脯氨酸取代将使SARS-CoV-1和MERSS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韧的氨基酸。它就像一种夹板，将蛋白质稳定在我们需要呈现给免疫系统的状态。蛋白质的结尾，next如果我们浏览其余的源代码，我们会在刺突蛋白的结尾遇到一些小的修改：在蛋白质的末尾，我们发现了一个“终止”密码子，用小写字母“s”表示。这是一种礼貌的说法，蛋白质应该停在那里。原始病毒使用一个UAA终止密码子，而疫苗使用两个UGA终止密码子，也许是为了更好地衡量。像核糖体一样的3'非翻译区(3'UTR)需要在5'端输入一些内容，我们找到了'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的理论有很多，这里引用维基百科：“3'UTR在基因表达中起着关键作用，它影响mRNA的定位、稳定性、输出和翻译效率。UTRs已被了解，但相对神秘”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WHO文件，辉瑞疫苗的3'-UTR“是从氨基末端增强子裂解（AES）mRNA和编码12S核糖体RNA的线粒体中提取的，以保证RNA的稳定性和总蛋白的高表达。“所有mRNA的AAAAAAAAAAAAAAAAAAAAAAAAA端都是聚腺苷酸化的。这是一种以“AAAAAAAAAAAAAAAAAAAA”结尾的奇特说法。mRNA可以重复使用多次，但当这种情况发生时，它也会在末端丢失一些A。一旦A被耗尽，mRNA不再有功能并被丢弃。通过这种方式，“poly-A”尾巴可防止其降解。研究发现了用于mRNA疫苗的末端A的最佳数量。公开文献中的数据表明，这个数字峰值在120左右。BNT162b2疫苗以：***********UAGCAAAAAAAAAAAAAAAAAAAAAAAAAAAAGCAUAUGACUAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA这是30个A，然后是10个核苷酸接头(GCAUAUGACU)，然后又是70个A。总结我们现在知道确切的mRNA含量BNT162b2疫苗，大致理解了它们存在的原因。可以总结出以下几点：CAP确保RNA看起来像正常的mRNA；已知成功和优化的5'UTR；密码子优化的信号肽，这可以将刺突蛋白送到正确的位置（100%复制自原病毒）；原始刺突的密码子优化版本，带有两个“脯氨酸”替换，以确保蛋白质以正确的形式出现；已知成功且优化的3'UTR；一条有点神秘的聚腺苷酸尾巴（Poly-ATail），里面有一个无法解释的连接器。最后，密码子优化将大量的Gs和Cs添加到mRNA中。同时，使用Ψ(1-methyl-3'-pseudo-uridyl)代替U有助于逃避自身免疫系统，因此mRNA会停留足够长的时间，因此我们实际上可以帮助训练免疫系统。
