3. sgRNA文库设计原理

sgRNA文库是CRISPR功能基因组筛选的“探针集合”，文库质量直接决定筛选的信噪比与可重复性。一个合格的文库需要在四个维度上同时达标：靶向效率（能有效敲除目标基因）、脱靶风险（尽量不误伤其他位点）、覆盖度与冗余度（每个基因被足够多条独立sgRNA覆盖）、均一性（各sgRNA在文库中比例接近，避免抽样偏差）。本节围绕这四个维度展开设计原理与可执行方法。

一、靶向效率预测：从序列特征到打分模型

靶向效率指sgRNA引导Cas9切割目标位点的能力。不同sgRNA对同一基因的敲除效率可相差数十倍，因此必须对候选sgRNA打分排序。工程上常用的预测依据包括：

  • PAM与种子区：SpCas9识别NGG PAM，PAM近端1–12位（种子区）与靶标配对要求最严格，种子区错配显著降低切割活性。
  • GC含量：一般建议40%–70%。GC过低导致结合不稳定，过高易形成二级结构或非特异结合。
  • 序列基序：如避免连续4个以上T（可能作为终止信号）、避免GGGG（易形成G四链体）、避免在sgRNA 3'端出现强二级结构。
  • 位置效应：靶向外显子5'端保守区域通常敲除效果更好；若目标是敲除功能域，应优先选择功能域上游外显子。
  • 打分模型：常用Rule Set 2、Doench 2016、DeepCRISPR等。以Rule Set 2为例，输入30-mer上下文序列，输出0–1的效率分数，通常取分数≥0.5为可用，≥0.7为优选。

实际操作中，可先对候选sgRNA按Rule Set 2打分，再结合GC含量与位置过滤，保留前30%–50%进入下一轮脱靶评估。示例：某基因外显子2上候选sgRNA的Rule Set 2分数为0.82、GC 55%、无连续T，则优先保留；若分数0.31、GC 78%，则剔除。

二、脱靶评分：从序列比对到风险量化

脱靶评分用于估计sgRNA在基因组其他位置造成非预期切割的可能性。核心逻辑是：与靶序列差异越小、差异位置越靠近PAM、差异碱基数越少，脱靶风险越高。常用工具包括CRISPOR、Cas-OFFinder、CHOPCHOP等。

脱靶评分通常包含以下步骤：

  1. 将sgRNA序列（20 nt + PAM）比对到参考基因组，允许最多3–4个错配和1个DNA/RNA凸起。
  2. 对每个潜在脱靶位点计算CFD（Cutting Frequency Determination）分数，CFD越高表示越可能被切割。
  3. 汇总所有脱靶位点的CFD，得到该sgRNA的脱靶总分（MIT或CFD aggregate score）。
  4. 设定阈值：通常要求脱靶总分低于某阈值（如MIT score < 0.1），或至少无位于外显子区的强脱靶位点。

若某sgRNA在另一个基因外显子区存在1个错配且CFD=0.6，则该sgRNA应被剔除或降级。对于必需基因或治疗相关靶点，脱靶要求更严格，可要求零外显子脱靶。

三、覆盖度与冗余度：每个基因需要几条sgRNA

覆盖度指文库中靶向每个基因的sgRNA数量；冗余度指同一基因内多条sgRNA的独立程度。覆盖度不足会导致假阴性（基因被敲除但未检出表型），冗余度不足则无法区分真实表型与sgRNA个体差异。

经验规则：

  • 全基因组筛选：每个基因至少4–6条sgRNA，推荐6–10条。
  • 聚焦文库（如激酶库、转录因子库）：每个基因可设计8–12条，以提高统计功效。
  • 冗余度要求：同一基因的sgRNA应靶向不同外显子或不同功能域，避免全部集中在同一区域；同时应包含一定比例的非靶向对照sgRNA（NTC）和阳性对照sgRNA。

示例：一个包含500个基因的聚焦文库，若每个基因设计10条sgRNA，则需5000条sgRNA；另加500条NTC和100条阳性对照，总库容约5600条。若测序深度为500×，则每条sgRNA平均获得约500条reads，满足统计需求。

四、文库均一性评估：从合成到扩增的质量控制

均一性指文库中各sgRNA的丰度分布是否接近。若某些sgRNA比例过高或过低，会导致筛选结果偏向高丰度sgRNA，低丰度sgRNA可能丢失。均一性评估通常在三个节点进行：

  1. 合成后：对原始寡核苷酸池进行高通量测序，计算各sgRNA的reads占比。理想情况下，占比应接近1/N（N为sgRNA总数），实际允许2–3倍偏差。
  2. 克隆扩增后：将文库克隆到慢病毒载体并扩增，再次测序。若某些sgRNA比例显著偏离，可能因克隆偏好或PCR偏倚导致。
  3. 病毒包装后：测定病毒文库的sgRNA分布，确保感染细胞时每个sgRNA的MOI可控（通常MOI 0.3–0.5），避免多拷贝感染。

均一性常用指标包括：

  • Gini系数：0表示完全均一，1表示完全不均一。文库Gini系数通常要求<0.2。
  • 丰度分布：计算各sgRNA reads的变异系数（CV），CV<0.5为可接受。
  • 缺失率：reads为0的sgRNA比例，应<1%。

若发现均一性差，可采取以下措施：重新合成、调整PCR循环数、使用更高效的克隆方法、或对文库进行归一化混合。

sgRNA文库设计四维评估与决策路径 靶向效率预测 Rule Set 2 打分 GC 40–70% 种子区/位置效应 脱靶评分 CFD / MIT 汇总 错配≤3–4 外显子区零容忍 覆盖度与冗余度 每基因 6–10 条 跨外显子/功能域 NTC + 阳性对照 文库均一性 Gini < 0.2 CV < 0.5 缺失率 < 1% 综合评分与过滤 效率≥0.5 且 脱靶达标 且 覆盖达标 且 均一性达标 合格文库 → 进入筛选实验 不合格 → 迭代优化 重新设计sgRNA / 调整合成与克隆 / 归一化混合 注：图中参数为常用经验阈值，实际项目需根据细胞类型、筛选时长与测序深度调整。

五、设计流程与可执行检查表

将上述四个维度整合为一条可执行的设计流程：

  1. 从目标基因外显子区提取所有NGG PAM候选sgRNA。
  2. 过滤：GC 40%–70%、无连续T、无GGGG、无强二级结构。
  3. 用Rule Set 2打分，保留分数≥0.5的候选。
  4. 用CRISPOR或Cas-OFFinder进行脱靶预测，剔除外显子区强脱靶位点。
  5. 按基因分配sgRNA，确保每基因6–10条，跨外显子分布。
  6. 加入NTC和阳性对照，形成最终文库序列。
  7. 合成后测序评估均一性，计算Gini、CV、缺失率。
  8. 若均一性不达标，重新合成或归一化混合。
实用检查表（可直接用于项目评审）：
  • 每个基因sgRNA数量：□ ≥6 □ ≥10
  • Rule Set 2平均分：□ ≥0.5 □ ≥0.7
  • GC含量范围：□ 40%–70%
  • 外显子区脱靶位点：□ 0个 □ ≤1个且CFD<0.2
  • NTC数量：□ ≥500 □ ≥1000
  • Gini系数：□ <0.2
  • 缺失率：□ <1%
  • 测序深度：□ ≥500×
常见误区：只关注靶向效率而忽略脱靶评分，可能导致筛选结果被脱靶效应污染；只追求高覆盖度而忽略冗余度，可能使同一基因的多条sgRNA集中在同一外显子，无法区分功能域特异性表型；合成后未评估均一性，可能导致低丰度sgRNA在筛选早期丢失，产生假阴性。

综上，sgRNA文库设计是一个多目标优化问题：靶向效率决定“能不能切”，脱靶评分决定“切得准不准”，覆盖度与冗余度决定“统计上是否可靠”，均一性决定“文库是否可重复”。四者缺一不可，且需在合成、克隆、病毒包装三个节点持续质控，才能为后续功能基因组筛选提供可靠基础。

← 上一章 📖 返回目录 下一章 →