数据可用性 本研究中生成的数据集已存放在公共数据库中。AF3预测输出（https://doi.org/10.5281/zenodo.17197986 和 https://zenodo.org/records/19555204）和目标扩增子测序原始计数表（https://zenodo.org/records/17243125）均可在Zenodo上获得。原始dI-分析测序数据已存放在国家基因组数据中心（NGDC）的基因组序列档案（GSA）中，其获取代码为HRA013626和HRA013767（生物项目PRJCA046878）。用于A3A和TadA8e的RNA目标评估的RNA-seq数据，分别从SRA数据库下载，获取代码为PRJNA938578和PRJNA811343。用于A3A变异筛查的目标扩增子测序数据，获取自SRA数据库，获取代码为PRJNA938162。ChIP-seq和ATAC-seq数据与目标位点的染色质状态分析有关，从ENCODE（ENCFF993NDR，ENCFF480MMN，ENCFF400CMC，ENCFF449FCR，ENCFF567FDM）和GEO（GSM1816075，GSM317585，GSM1816068，GSM1816079，GSM317589，GSM8091609，GSM3762822）数据库下载。这些公共数据集列在补充表6中。在本研究中，使用人类参考基因组组装GRCh38（hg38）作为参考基因组。本文提供了源数据。代码可用性 本研究中的所有统计测试均使用R（v.4.4.1）进行。dI-分析的源代码，包括所有自定义脚本和命令行工具，可在GitHub（https://github.com/menghaowei/dipro）和Zenodo（https://zenodo.org/records/20487721）上找到。本研究中开发的计算框架ContactSeek（v.1.0.0），用于处理AF3输出并基于CP建模生物分子相互作用，可在GitHub（https://github.com/menghaowei/ContactSeek）和Zenodo（https://zenodo.org/records/20487746）上获得。参考文献 Anzalone, A. V., Koblan, L. W. & Liu, D. R. CRISPR-Cas核酸酶、碱基编辑器、转座酶和引导编辑器的基因组编辑。Nat. Biotechnol. 38，824–844（2020）。文章 ADS CAS PubMed Google Scholar Doudna, J. A. 治疗性基因组编辑的承诺与挑战。Nature 578，229–236（2020）。文章 ADS CAS PubMed PubMed Central Google Scholar Romero, P. A. & Arnold, F. H. 通过定向进化探索蛋白质适应性景观。Nat. Rev. Mol. Cell Biol. 10，866–876（2009）。文章 CAS PubMed PubMed Central Google Scholar Packer, M. S. & Liu, D. R. 蛋白质定向进化的方法。Nat. Rev. Genet. 16，379–394（2015）。文章 CAS PubMed Google Scholar Abramson, J. 等。使用AlphaFold 3进行生物分子相互作用的准确结构预测。Nature 630，493–500（2024）。文章 ADS CAS PubMed PubMed Central Google Scholar Gaudelli, N. M. 等。在不切割DNA的情况下，对基因组DNA的A*T至G*C进行可编程碱基编辑。Nature 551，464–471（2017）。文章 ADS CAS PubMed PubMed Central Google Scholar Richter, M. F. 等。通过噬菌体辅助进化提高腺嘌呤碱基编辑器的Cas结构域兼容性和活性。Nat. Biotechnol. 38，883–891（2020）。文章 CAS PubMed PubMed Central Google Scholar Lapinaite, A. 等。CRISPR-Cas9引导的腺嘌呤碱基编辑器的DNA捕获。Science 369，566–571（2020）。文章 ADS CAS PubMed PubMed Central Google Scholar Jeong, Y. K. 等。腺嘌呤碱基编辑器工程降低了旁观者胞嘧啶的编辑。Nat. Biotechnol. 39，1426–1433（2021）。文章 CAS PubMed Google Scholar Chen, L. 等。工程化一种精确的腺嘌呤碱基编辑器，最小化旁观者编辑。Nat. Chem. Biol. 19，101–110（2023）。文章 ADS CAS PubMed Google Scholar Wu, Y., Xiao, Y. L. & Tang, W. 通过在去氨酶中进化核酸识别热点实现高精度胞嘧啶碱基编辑器。Nat. Biotechnol. https://doi.org/10.1038/s41587-025-02678-w（2025）。文章 PubMed PubMed Central Google Scholar Doman, J. L., Raguram, A., Newby, G. A. & Liu, D. R. 评估和最小化使用胞嘧啶碱基编辑器的Cas9独立旁路DNA编辑。Nat. Biotechnol. 38，620–628（2020）。文章 CAS PubMed PubMed Central Google Scholar Cho, S. I. 等。工程化TALE链接的去氨酶，以促进线粒体DNA中的精确腺嘌呤碱基编辑。Cell 187，95–109（2024）。文章 CAS PubMed Google Scholar Kim, N. 等。预测Cas9变体的序列特异性切割活性。Nat. Biotechnol. 38，1328–1336（2020）。文章 CAS PubMed Google Scholar Shi, H. 等。快速的双步目标捕获确保高效的CRISPR-Cas9引导基因组编辑。Mol. Cell 85，1730–1742（2025）。文章 CAS PubMed PubMed Central Google Scholar Yang, K. K., Wu, Z. & Arnold, F. H. 基于机器学习的蛋白质工程定向进化。Nat. Methods 16，687–694（2019）。文章 CAS PubMed Google Scholar Hsu, C., Nisonoff, H., Fannjiang, C. & Listgarten, J. 从进化和测定中学习蛋白质适应度模型。