先導編輯的分子機制、效率優化與大段整合策略代表精準基因體工程的前沿。
反轉錄酶工程與保真度
PE 使用的 M-MLV RT 經 5 個突變工程化：D200N 降低 RNase H 活性（防止 pegRNA 模板被降解）、L603W 增加 processivity、T306K/W313F/T330P 提升熱穩定性和活性。Chen et al.（2021, Cell）以 CRISPRi 篩選發現 MMR 是 PE heteroduplex resolution 的主要障礙：MMR（MutSα-MutLα-Exo1）辨識 heteroduplex 並偏好修復含 nick 的新合成股（即含編輯的股），反而消除編輯。PE4/PE5 共表現 MLH1dn（dominant-negative MutLα）瞬時抑制 MMR，提升效率 2-7 倍而不顯著增加 indel。
全基因體脫靶分析
Kim et al.（2022, Nat Methods）以 Digenome-seq 和 PEM-seq 分析 PE3 的全基因體脫靶：(1) pegRNA-dependent off-target：與 SpCas9 off-target profile 相似但因僅 nick 而非 DSB，translocation 風險大幅降低；(2) pegRNA-independent：未偵測到顯著隨機突變。PE 的安全性 profile 優於 CBE（無 gRNA-independent 隨機突變）和標準 Cas9（無 DSB → 無 chromothripsis）。
大規模基因組重寫
- twinPE + Bxb1 整合：Anzalone et al.（2022）以 twinPE 在 safe harbor（AAVS1, CCR5）安裝 38-bp attB + attP landing pad，再以 Bxb1 重組酶整合 >5 kb 的 GFP-2A-Puro 基因盒，效率 ~5-20%。此策略將 prime editing 的精確性與重組酶的大片段整合能力結合。
- PASTE（Programmable Addition via Site-specific Targeting Elements）：Yarnall et al.（2023, Nat Biotechnol）進一步整合 PE + Bxb1 為單一系統，在人類 iPSC 和小鼠體內實現 >10 kb 的定點整合。
- Multi-flap prime editing：Jiang et al.（2022）同時使用 4 個 pegRNA 在一個位點安裝複雜的組合編輯。
pegRNA 設計的計算工具
- PrimeDesign：Hsu et al.（2021, Nat Commun）提供 pegRNA + nick sgRNA 自動化設計。
- PRIDICT：Mathis et al.（2023, Nat Biotechnol）以深度學習（CNN + attention）預測 pegRNA 的 editing outcome 和效率，訓練集包含 >100,000 個 pegRNA-outcome pairs。PBS 長度 (~13 nt 最佳)、RTT 長度（視編輯類型而定）、GC content 和 secondary structure 為主要影響因子。
體內 Prime Editing
- Davis et al.（2024, Nat Biotechnol）：以 dual-AAV split-intein 遞送 PEmax 至小鼠肝臟，矯正 Pahenu2 突變（苯酮尿症模型），在 C→T 校正效率達 ~11%，足以恢復正常代謝指標。
- LNP 遞送：PE mRNA + epegRNA 以 LNP 靜脈注射至肝臟，避免 AAV 的免疫原性和整合風險。Prime Medicine 正在推進臨床前管線。
文獻參考：Anzalone, A.V. et al. (2019). Nature, 576, 149-157. / Chen, P.J. et al. (2021). Cell, 184, 5635-5652. / Nelson, J.W. et al. (2022). Nat Biotechnol, 40, 402-410. / Yarnall, M.T.N. et al. (2023). Nat Biotechnol, 41, 500-512.