3. sgRNA设计原则与算法
在CRISPR敲除筛选中，sgRNA是决定实验成败的第一道关口。一个文库动辄包含数万条sgRNA，如果设计阶段混入大量低活性或高脱靶的序列，后续无论测序深度多高、筛选压力多严格，都很难得到可信的富集结果。因此，理解sgRNA的序列特征、掌握常用设计工具、并清楚不同脱靶评分算法的差异，是文库设计中最基础也最关键的技能。
一、sgRNA的序列特征：五个必须检查的硬指标
对于SpCas9系统，sgRNA的20 nt间隔序列（protospacer）紧邻PAM序列“NGG”。设计时通常按以下五个维度逐条筛查：
- GC含量：推荐范围40%–70%，最优点在50%–60%。GC过低（<30%）会导致sgRNA与靶DNA结合不稳定，切割效率下降；GC过高（>80%）容易形成二级结构或非特异结合。注意这是对20 nt间隔序列统计，不含PAM。
- 脱靶评分：衡量sgRNA在基因组其他位置误切的风险。常用指标包括MIT评分、CFD评分和Rule Set 2评分，下文详述。一般要求选取脱靶评分低（MIT特异性高、CFD评分高）的候选。
- 多聚T（poly-T）：连续4个及以上T（TTTT）在U6启动子转录时会提前终止，导致sgRNA截短。设计时必须排除含TTTT的序列，这是硬性排除条件。
- 限制性酶切位点：文库构建常用Golden Gate克隆或Gibson组装，若sgRNA序列内部含有BsmBI、BbsI、Esp3I等所用酶的识别位点，会被误切。需在候选序列中排除这些位点，或改用其他酶。
- 其他：避免极端二级结构（如发夹）、避免在种子区（PAM近端10–12 nt）出现过多错配容忍位点、避免同聚物（如GGGG、CCCC）。
二、常用设计工具及其使用要点
目前主流的sgRNA设计工具各有侧重，实际项目中常组合使用：
| 工具 | 核心特点 | 适用场景 |
|---|---|---|
| CRISPOR | 整合MIT、CFD、Rule Set 2等多种脱靶评分，支持全基因组脱靶搜索，输出直观 | 单基因或小规模sgRNA设计，需要多算法对比 |
| CHOPCHOP | 支持多物种、多Cas酶，内置GC、二级结构、脱靶检查，界面友好 | 快速获取候选sgRNA列表，教学演示 |
| Benchling | 云端平台，可批量设计、管理文库，支持自定义评分和导出 | 团队协作、文库规模设计 |
| Broad GPP | Broad Institute提供的文库设计流程，含规则集和脱靶评估，适合大规模文库 | 全基因组敲除文库构建 |
以CRISPOR为例，典型操作流程是：输入目标基因或区域→选择物种和Cas9变体→设置PAM类型（如NGG）→提交后获得候选sgRNA列表，每条附带MIT、CFD、Rule Set 2评分及脱靶位点信息。此时不要只看排名第一的序列，而应综合多个评分，优先选择在三种算法中表现一致靠前的候选。
Benchling的批量设计则更适合文库场景：上传目标基因列表，设置每个基因的sgRNA数量（如6条），系统自动生成候选并支持按评分筛选、去重、导出为CSV，直接对接后续寡核苷酸合成订单。
三、脱靶评分算法：MIT、CFD与Rule Set 2的差异
三种算法对脱靶风险的建模思路不同，理解其优缺点有助于合理取舍：
- MIT评分：基于序列错配位置和数量的加权模型，越靠近PAM的错配惩罚越重。优点是计算简单、速度快；缺点是不考虑错配类型（如G:T vs A:C）和表观遗传因素，对某些真实脱靶预测不够准确。
- CFD评分：基于大规模实验数据训练，考虑每个位置错配的具体碱基类型，输出0–1的切割频率预测值。优点是实验验证相关性好；缺点是对非经典PAM或罕见错配组合覆盖有限。
- Rule Set 2：在CFD基础上进一步整合序列特征、GC含量、位置效应等，使用梯度提升模型预测活性。优点是综合性能较好；缺点是模型复杂，解释性不如前两者直观。
实际选择时，建议以CFD或Rule Set 2为主排序依据，MIT作为辅助过滤。若某条sgRNA在CFD中评分高但在MIT中特异性低，需查看具体脱靶位点是否落在关键基因区域，再决定是否保留。
四、从候选到文库：一个可复用的筛选清单
综合以上原则，实际设计时可按下表逐项检查，确保每条进入文库的sgRNA都经过完整评估：
| 检查项 | 合格标准 | 不合格处理 |
|---|---|---|
| GC含量 | 40%–70% | 直接剔除 |
| poly-T | 无TTTT | 直接剔除 |
| 限制性酶切位点 | 无BsmBI/BbsI等所用酶位点 | 直接剔除或换酶 |
| CFD评分 | ≥0.5（越高越好） | 结合脱靶位点位置判断 |
| MIT特异性 | ≥70（越高越好） | 检查具体脱靶位点 |
| Rule Set 2活性 | ≥0.5 | 作为辅助排序 |
| 种子区错配 | PAM近端10–12 nt无多余错配容忍位点 | 降低优先级 |
| 同聚物 | 无GGGG、CCCC等 | 直接剔除 |
最后需要强调，任何算法都只是预测。对于关键基因，建议在文库中保留6–10条独立sgRNA，并优先选择在多种算法中表现一致、且脱靶位点不落在其他必需基因编码区的候选。这样即使个别sgRNA活性不佳，整体筛选仍能获得可靠的基因水平结论。