优化单向导RNA（sgRNA）

 

源自细菌和古细菌适应性免疫的CRISPR-Cas9系统已发展成为一种强大的工具，可广泛应用于基因组工程。

优化单向导RNA（sgRNA）设计以提高靶标切割效率是使用CRISPR-Cas9系统成功进行基因编辑的关键一步。由于并非所有与给定靶基因同源的sgRNA都同样有效，因此已经基于实验数据开发了计算工具，以增加选择有效sgRNA的可能性。尽管迄今为止进行了大量的努力，但是直接从大规模序列数据中准确预测功能性sgRNA仍然是一个巨大的挑战。我们提出了DeepCas9，这是一个基于卷积神经网络（CNN）的深度学习框架，自动了解序列决定因素，并进一步为CRISPR-Cas9系统鉴定功能性sgRNA。我们显示CNN方法在（i）在训练中未使用的实验中正确识别高活性sgRNA的能力和（ii）在不同生物体中准确预测sgRNA的目标功效的能力均优于以前的方法。

此外，我们进一步可视化卷积核，并显示已识别序列特征和已知核苷酸偏好的匹配。我们最终证明了我们的方法在设计针对人类和小鼠基因组的下一代基因组规模的CRISPRi和CRISPRa文库中的应用。我们希望DeepCas9将有助于减少必须进行实验验证才能实现更有效的基因筛选和基因组工程的sgRNA数量。