本文根据Reverse Engineering the source code of the BioNTech/Pfizer SARS-CoV-2 Vaccine （XXXXXXXXXXXXXXXXXX/articles/posts/reverse-engineering-source-code-of-the-biontech-pfizer-vaccine/ ）编译。

部分译文转自公众号新智元，科创喵补充编译了一些内容。为便于阅读，编译并未严格遵照原文。 

最简单的生物学背景知识

让我们先来回顾一下生物学知识，这里，我们将透过程序员的眼睛看待生命编码。

DNA和程序的种种相似的地方，但与计算机使用0和1不同，生命使用A、C、G和U/T来编码。 

在自然界中，A、C、G和U/T都是分子，以链的形式储存在DNA(或RNA)中。

在计算机中，我们把8位编入一个字节，字节是处理数据的典型单位。

自然界将3个核苷酸组合成一个密码子，而这个密码子是典型的处理单元。

密码子包含6位信息(每个DNA字符2位，3字符= 6位，这意味着2⁶ = 64种不同密码子值)

其次，疫苗是一种液体，我们该如何谈论源代码？

让我们从疫苗的一小部分源代码开始，下图为世界卫生组织公布的BNT162b（也称为Tozinameran或Comirnaty）前500个字符。

mRNA新冠疫苗BNT162b的核心就是这个数字代码。它有4284个字符长，在疫苗生产过程的最开始，将这段代码上传到DNA打印机，然后打印机将磁盘上的字节转换成实际的DNA分子。

DNA打印机，型号BioXp 3200

从这样的机器中产生了少量的DNA，在经过大量的生物和化学处理后，最终成为疫苗瓶中的RNA。

30毫克的剂量实际上含有30毫克的RNA。此外还有一个巧妙的脂质（脂肪）包装系统，可将mRNA导入我们的细胞（这是一个关键环节，不过本文并不涉及）。

DNA就像生物的闪存。DNA非常耐久，有大量冗余并且十分可靠。但是，就像计算机不能直接从闪存执行代码一样，在执行之前，代码会被复制到更快，功能更强但更脆弱的系统——内存中。RNA就是DNA被读取到“内存”的版本。

但是RNA非常脆弱，因此辉瑞的mRNA疫苗保存的条件很苛刻，需要特别的冷链。

每个RNA字符的重量为 0.53·10⁻²¹克，一针疫苗里有2万亿段重复的代码，总共相当于25 Pb的数据量。

代码做什么？

疫苗的作用是教会我们的免疫系统如何识别病原体。从历史上看，这是通过注入弱化或丧失能力的（减毒）病毒来教育我们的免疫系统而实现的。

mRNA疫苗可以精准的达到相同目的（“教育我们的免疫系统”）。相对于“减毒疫苗”把有用没用的东西一股脑注射进人体，mRNA疫苗只“教授”关键的知识。

注射液中含有描述SARS-CoV-2的'Spike'蛋白的遗传物质。通过巧妙的化学手段，疫苗设法使这种遗传物质进入细胞，细胞根据这些遗传物质（代码）产生关键的蛋白质，由这些蛋白质对免疫系统进行教育。

免疫系统面对大量的标志性的蛋白质，产生强烈的响应，从而使身体下次遇到这些蛋白质（被真的病毒入侵时），迅速采取防御措施，最终避免感染。

源代码分析

让我们来看世卫组织文件披露的一页：

首先，“帽子”是什么？就像你不能在计算机上的一个文件中输入操作码然后运行它一样，生物操作系统需要头文件、链接器和调用约定之类的东西。

疫苗的编码由以下两个核苷酸开始: 

这可以与以MZ开头的DOS和Windows可执行文件，或以#!开头的UNIX脚本进行比较。在生活系统和操作系统中，这两个字符都不会以任何方式执行。但他们必须在那里，否则什么都不会发生。

mRNA“帽”具有许多功能。首先它将代码标记为来自细胞核。对于我们来说代码显然来自疫苗接种，但是细胞并不知道。上限使我们的代码看起来合法，从而保护了代码免遭破坏。

未翻译区5 'UTR

生命由蛋白质组成。当RNA转化为蛋白质时，这被称为翻译。

RNA分子只能从一个方向读取。令人困惑的是，阅读开始的部分被称为5'UTR。读数在3 'UTR停止。

UTR（Untranslated Regions)即非翻译区，是mRNA分子两端的非编码片段：

在这里，我们遇到了第一个惊喜。正常的RNA特征是A、C、G和U。U在DNA中也被称为「T」。但在这里我们发现了一个ψ。

怎么回事?

这是关于疫苗的一个特别聪明的地方。我们的身体运行着一个强大的反病毒系统，由于这个原因，细胞对外来RNA非常冷淡，并且在它做出任何反应之前就要破坏它。

这对我们的疫苗来说是个问题——它需要潜入免疫系统。经过多年的实验，人们发现，如果RNA中的U被一种稍作修饰的分子所取代，我们的免疫系统就会失去兴趣。

所以在辉瑞疫苗中，每个U都被1-甲基-3 ' -伪尿酰(ψ)所取代，它能帮助我们的疫苗逃过免疫系统这一关。

在计算机安全领域，我们也知道这个诀窍：有时可能传输某些被稍微损坏的东西，虽然这会引起防火墙和安全解决方案的怀疑，但这仍然被后端服务器接受，然后就可能被黑。

很多人问，病毒能否也用ψ技术来打败我们的免疫系统？

这是不太可能的。因为生命根本没有制造1-甲基-3 ' -伪尿酰核苷酸的机制，而病毒需要依靠生命的机制来繁殖自己。而mRNA疫苗在人体内迅速降解，ψ修饰后的RNA不可能在那里复制。

回到5 ' UTR。这51个字符是做什么的？如同自然界的一切事物一样，几乎没有任何事物有一个明确的功能。

当我们的细胞需要将RNA翻译成蛋白质时，这需要使用一种叫做核糖体的机器。核糖体就像蛋白质的3D打印机。它摄取一串RNA，在此基础上释放出一串氨基酸，然后折叠成蛋白质。

1.mp4  点击下载 ‎

这就是我们在上面看到的情况。底部的黑色丝带是RNA。出现在绿色部分的缎带是正在形成的蛋白质。进出的东西是氨基酸和使它们适合RNA的适配器。

这个核糖体需要坐在RNA链上才能发挥作用。一旦就位，它就可以开始根据它摄入的RNA进一步形成蛋白质。从这一点上，你可以想象它还不能读出它首先降落的地方。

这只是UTR的功能之一：核糖体着陆区。UTR提供“导入”。

如前所述，疫苗的目标是让细胞产生大量刺突蛋白。到目前为止，我们在疫苗源代码中遇到的大多是元数据和调用约定。现在我们进入病毒蛋白质的领域。

然而，我们还有一层元数据需要处理。一旦核糖体制造出一个蛋白质，这个蛋白质仍然需要去某个地方。这是编码在「S糖蛋白信号肽(扩展先导序列)」。

了解这一点的方法是，在蛋白质的开头有一种地址标签，作为蛋白质本身编码的一部分。在这个特定的例子中，信号肽表明这种蛋白质应该通过「内质网」离开细胞。

「信号肽」不是很长，但是当我们看代码时，病毒和疫苗的RNA是有区别的:

怎么回事呢？我们知道，在生物学中，三个RNA字符组成一个密码子。每个密码子都对特定的氨基酸进行编码。而疫苗中的信号肽与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个不同的密码子，因为有4个RNA字符，一个密码子中有3个。然而只有20种不同的氨基酸。这意味着多个密码子对同一种氨基酸进行编码。

下表映射了RNA密码子和氨基酸之间的编码关系:

RNA密码子表(维基百科)

在这个表中，我们可以看到疫苗(UUU -> UUC)的修改都是同义的。疫苗的RNA编码不同，但会产生相同的氨基酸和蛋白质。

如果我们仔细观察，我们会发现大部分的变化发生在密码子的第三个位置，上面有一个' 3 '。如果我们检查通用密码子表，我们会发现第三个位置通常与产生的氨基酸无关。

所以，这些变化是同义的，但为什么会有这些变化呢?仔细观察，我们发现除了一个变化之外，所有的变化都会导致更多的C和G。

你为什么要这么做?如上所述，我们的免疫系统会对「外源性」RNA进行攻击，为了逃避检测，RNA中的「U」已经被ψ所取代了。

然而，事实证明，含有更多G和C的RNA也能更有效地转化为蛋白质，这已经在疫苗RNA中实现了只要有可能就用G和C替换许多字符。

疫苗RNA的下3777个字符类似于「密码子优化」，可以添加大量的C和G。

这里我们看到同义的RNA变化。例如，在第一个密码子中CUU变成了CUG。这给疫苗增加了另一个「G」，我们知道这有助于提高蛋白质的生产。

当我们比较疫苗中的整个刺突蛋白时，所有的变化都是同义的。除了两个，这就是我们在这里看到的。

上面的第三和第四个密码子代表了实际的变化。那里的K和V氨基酸都被P或脯氨酸所取代。对于「K」，这需要改变三次(「!!」)，而对于「V」，这只需要改变两次(「!!」)。

事实证明，这两个变化极大地提高了疫苗的效率。

那么这里发生了什么？如果你看一个真正的冠状病毒粒子，你可以看到刺突蛋白：

这些刺钉被安装在病毒体内(「核衣壳蛋白」)。但问题是，我们的疫苗只会产生刺突，我们不会把它们植入任何一种病毒体内。

结果是，未经修饰的，独立的刺突蛋白崩溃成不同的结构。如果作为疫苗注射，这确实会使我们的身体产生免疫力。但只针对崩溃的刺突蛋白。

真正的冠状病毒是带着尖刺的。在这种情况下，疫苗不会很有效。

那么该怎么办呢？

2017年，有人描述了如何在正确的位置放置一个双脯氨酸替代，将使SARS-CoV-1和MERS S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硬的氨基酸。它就像一种夹板，在我们需要向免疫系统展示的状态下稳定蛋白质。

如果我们浏览其余的源代码，我们会在刺突蛋白的末端遇到一些小的修改:

在蛋白质的末端，我们会发现一个「停止」密码子，在这里用小写的「s」表示。这是一种礼貌的说法，表示蛋白质应该到此为止。最初的病毒使用UAA终止密码子，疫苗使用两个UGA终止密码子，也许只是为了更好的措施。

就像核糖体在5 '端需要引入，我们发现了' 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有很多说法，但这里引用维基百科的说法:「3 ' UTR在基因表达中起着至关重要的作用，它影响mRNA的定位、稳定性、输出和翻译效率。尽管我们目前对3 ' -UTRs有了解，但它们仍然是相对神秘的。」

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。根据世卫组织的文件，辉瑞疫苗3 ' UTR是从「split (AES) mRNA的氨基末端增强子和编码12S核糖体RNA的线粒体中提取的，以保证RNA的稳定性和高总蛋白表达」。

mRNA的最末端是聚腺苷化的。这是一种以「AAAAAAAAAAAAAAAAAAAAAA」的奇特结尾。

似乎，就连mRNA似乎也受够了这个糟糕的2020年！

mRNA可以重复使用很多次，但在这个过程中，它也会在末端失去一些A。一旦A耗尽，mRNA就不再起作用而被丢弃。这样，「多聚腺苷酸尾（Poly-A Tail）」就可以防止其退化。

有研究表明，对于mRNA疫苗来说，A的最佳数量是多少。我在公开文献中读到，这个数字在120左右达到了顶峰。

BNT162b2疫苗的是:

这是30个A，然后是「10个核苷酸连接体」(GCAUAUGACU)，再后面是70个A。

如果上面的一切让你感到云里雾里，作者在这里为您准备了一份「太长不看版」：

• 帽子来确保RNA看起来像普通的mRNA

• 已知的成功和优化的5 ' UTR

• 密码子优化信号肽，将刺突蛋白送到正确的位置(100%从原始病毒复制)

• 原始刺的密码子优化版本，有两个「脯氨酸」替代，以确保蛋白质以正确的形式出现

• 一个已知的成功和优化的3 ' UTR

• 一个有点神秘的多聚腺苷酸尾（Poly-A Tail），里面有一个无法解释的「连接器」

• 密码子优化在mRNA上增加了大量的G和C。与此同时，用ψ(1-甲基-3 ' -伪尿酰ψ)而不是U来帮助逃避我们的免疫系统，因此mRNA会停留足够长的时间，所以我们实际上可以帮助训练免疫系统

参考：

XXXXXXXXXXXXXXXXXX/amazing-dna/ 这是一个给程序员看的生物学教程，非常有趣

XXXXXXXXXXXXXXXXXXXXXX/r/technology/comments/kkvri2/reverse_engineering_the_source_code_of_the/ 这是reddit上对本文的讨论页面之一，许多网友贡献了扩展知识，或者指出了文章的不足。