sgRNA脱靶效应预测软件选型指南：从经典比对到AI精准预测

CRISPR基因编辑中的脱靶难题

CRISPR-Cas9基因编辑技术已经在基础研究、药物开发和农业育种等领域取得了广泛的应用。然而，Cas9蛋白在sgRNA引导下切割DNA时，并不总是精准命中目标位点——当基因组中存在与sgRNA序列高度相似的位点时，Cas9可能在这些"脱靶位点"产生非预期切割，导致基因突变、染色体结构变异等问题。这种脱靶效应是CRISPR技术走向临床应用的主要安全障碍之一。

准确预测sgRNA在基因组中的脱靶位点，是降低脱靶风险的第一步。过去十年间，研究者开发了多款sgRNA脱靶效应预测软件，从最初的简单序列比对工具，逐步发展到融合深度学习和分子动力学模拟的智能预测平台。本文将系统梳理主流工具的技术路线、适用场景和最新进展。

经典预测工具：从序列比对到算法打分

早期sgRNA脱靶效应预测软件的核心思路是"序列比对+规则打分"。代表性工具包括：

• Cas-OFFinder：由韩国釜山大学Park实验室开发，是最广泛使用的脱靶位点搜索工具之一。它允许用户设置错配数上限（通常0-5个碱基），在全基因组范围内搜索与sgRNA序列相似的可能脱靶位点，支持多种PAM类型和物种基因组。
• CRISPOR：集sgRNA设计、脱靶预测和活性评分于一体的在线工具，整合了多种脱靶打分算法（如MIT specificity score、CFD score），为研究人员提供直观的sgRNA质量评估。
• sgRNAcas9：提供图形界面的本地软件包，支持批量sgRNA设计和脱靶切割位点评估。

这些工具的优势在于速度快、操作简便，但其预测基于序列相似性，并未充分考虑sgRNA与DNA之间复杂的分子互作机制，因此在全基因组范围内的预测精度有限。

深度学习驱动的预测模型

随着大规模脱靶实验数据（如GUIDE-seq、CIRCLE-seq）的积累，基于深度学习的sgRNA脱靶效应预测软件开始展现出更高的预测精度。主流模型包括：

2025年发表于Communications Biology的CCLMoff框架值得关注。它利用RNA语言模型预训练获得的序列表示能力，显著提升了模型面对全新sgRNA序列时的预测表现。这一问题正是此前深度学习脱靶模型的共同短板——训练集中未出现过的sgRNA序列，预测准确率往往大幅下降。

CRISOT：融合分子动力学的突破性方案

同济大学生命科学与技术学院刘琦教授团队2023年在Nature Communications上发表的CRISOT，代表了sgRNA脱靶效应预测软件的另一个重要方向——将分子动力学（MD）模拟与AI算法相结合。

CRISOT的核心创新在于构建了RNA-DNA分子互作指纹。研究团队通过MD模拟分析了Cas9-sgRNA-DNA复合体中sgRNA与靶DNA之间的氢键、结合自由能、原子位置和碱基几何特征等物理参数，将这些分子层面的互作特征编码为可量化的"指纹"信息。

CRISOT工具包包含四个功能模块：

1. CRISOT-FP：生成RNA-DNA分子互作指纹，作为下游AI模型的输入特征
2. CRISOT-Score：基于分子指纹的脱靶打分方法，计算给定脱靶序列的切割可能性
3. CRISOT-Spec：汇总全基因组所有高脱靶打分位点，评估sgRNA的整体靶向特异性
4. CRISOT-Opti：通过引入sgRNA单碱基突变，筛选维持打靶活性但靶向特异性显著提升的优化方案

GUIDE-seq和全基因组测序（WGS）实验均验证了CRISOT的高准确率。在实际应用中，CRISOT成功优化了靶向PCSK9（与高胆固醇血症相关）和BCL11A（与镰刀状细胞贫血病相关）的sgRNA，使其靶向特异性大幅提升。值得注意的是，CRISOT的分子互作指纹方法同样适用于碱基编辑器（BE）和引物编辑器（PE）的脱靶预测。

Variant-aware Cas-OFFinder：个性化脱靶预测的新纪元

2025年5月发表于Nucleic Acids Research的Variant-aware Cas-OFFinder，解决了sgRNA脱靶效应预测中长期被忽视的一个关键问题：个体遗传变异。

传统脱靶预测工具均基于参考基因组序列进行比对，但每个人的基因组都存在大量SNP（单核苷酸多态性）、插入和缺失变异。这些变异可能恰好位于某个sgRNA的潜在脱靶位点附近，导致实际脱靶风险与参考基因组预测结果不一致。

Variant-aware Cas-OFFinder通过接受phased VCF文件输入，重建个体的等位基因特异性序列，实现单倍型水平的脱靶分析。该工具支持557种物种和40种PAM类型，并支持GPU加速，覆盖面和计算效率都达到业界领先水平。这一进展意味着，在面向个体患者的基因治疗场景中，可以针对患者自身的基因组变异进行定制化脱靶风险评估。

如何选择适合的sgRNA脱靶预测软件

面对越来越多的预测工具，研究人员需要根据具体需求进行选择。在实际科研工作中，sgRNA脱靶预测往往不是孤立环节，而是与sgRNA设计、序列分析、实验记录和数据分析紧密关联的整体流程。以衍因科技的衍因智研云（yanCloud）为例，其生物信息套件集成了CRISPR设计功能，配合电子实验记录本（ELN）和实验室信息管理系统（LIMS），可以将sgRNA设计、脱靶评估、实验执行和数据追溯在同一平台中完成，减少多工具切换带来的信息断层。以下是针对不同场景的选型建议：

• 快速初筛：使用Cas-OFFinder或CRISPOR进行全基因组脱靶位点搜索和sgRNA质量评估，适合实验设计阶段的快速筛选。
• 高精度预测：对于即将进入临床前研究的靶点，建议使用CRISOT进行基于分子互作指纹的脱靶预测和sgRNA优化。
• 个性化评估：在基因治疗场景中，如果已有患者基因组数据，应使用Variant-aware Cas-OFFinder进行个体化脱靶风险评估。
• 新型sgRNA评估：面对训练数据中未见过的新sgRNA序列，CCLMoff的RNA语言模型方法在泛化性上具有优势。

实际工作中，推荐组合使用多种工具进行交叉验证。先用经典工具进行广泛搜索，再用深度学习或分子动力学工具进行精细化评估，最后根据实验条件选择是否需要进行个性化变异分析。

未来趋势与挑战

sgRNA脱靶效应预测软件正在向三个方向快速演进：

第一，多组学整合。未来的预测模型将不仅考虑DNA序列，还会整合染色质开放性、DNA三维结构和表观遗传修饰等信息，构建更贴近体内真实环境的预测框架。

第二，个体化精准预测。Variant-aware Cas-OFFinder开辟的方向将得到更多跟进，个体基因组变异、等位基因特异性和单倍型信息将成为脱靶预测的标准输入。

第三，可解释性与可迁移性。CRISOT所代表的"物理先验+AI"路线，通过分子互作指纹将预测建立在可解释的物理机制上，既提升了小样本场景下的预测能力，也为模型在不同CRISPR系统（Cas12、Cas13等）之间的迁移提供了基础。

对于研究者而言，及时了解和采用新一代sgRNA脱靶效应预测软件，不仅能提高实验设计的可靠性，更是推动CRISPR基因编辑从实验室走向临床安全的必要保障。