《Human Gene Therapy》系统评测14种CRISPR-Cas9脱靶预测工具：计算预测为何不能替代实验验证？
《Human Gene Therapy》系统评测14种CRISPR-Cas9脱靶预测工具：计算预测为何不能替代实验验证？
随着CRISPR基因编辑技术逐步进入临床，脱靶风险评价已经从“是否需要开展”转变为“如何尽可能完善地开展”。目前，计算预测常被用于筛选潜在脱靶位点：输入sgRNA序列后，软件根据序列相似性、错配位置、PAM类型或机器学习模型，对全基因组候选位点进行排序。但一个长期存在的问题是：排名靠前的位点是否真的发生编辑？排名靠后的真实脱靶是否会被遗漏？预测分数能否代表实际脱靶频率？
2026年，Kaufmann等在《Human Gene Therapy》发表研究，对14种CRISPR-Cas9脱靶预测工具进行了系统比较。研究结果表明，现有计算工具能够帮助研究者缩小候选范围，却仍难以完整发现真实脱靶，也无法准确预测脱靶编辑强度。作者因此强调，临床前评价仍需采用“计算预测与实验检测相结合”的策略。
研究团队纳入了14种常见CRISPR-Cas9脱靶预测工具，大致可分为三类。
第一类是基于序列比对和错配规则的工具，包括Cas-OFFinder、CCTop、FlashFry、CRISPRitz_mismatch和GuideScan2。这类工具的主要任务是从全基因组中搜索与sgRNA序列相似的位点。
第二类是提供连续评分的工具，包括CRISPOR、CRISPRitz_cfd、CRISPRoff、MOFF和CRISOT。它们不仅寻找候选位点，还会根据错配位置、切割频率、热力学特征或分子相互作用对候选位点进行风险排序。
第三类是机器学习模型，包括CnnCrispr、CRISPR-OFFT、CRISPR-IP和CRISPert。
图1｜本研究所用 CRISPRoffT 基准数据集概览。 A：每个 gRNA/Cas9 组合对应的深度测序脱靶位点数量分布；B：所有测序位点的 indel 频率分布，其中 indel 频率 ≥0.1% 的位点被定义为真实脱靶；C：gRNA 与脱靶位点错配数与 indel 频率之间的关系。
研究使用CRISPRoffT数据库中的人源细胞数据，最终纳入26组gRNA/Cas9组合和3,827个经过靶向深度测序的基因组位点。作者将indel频率不低于0.1%的位点定义为真实脱靶。去除重复位点后，共得到1,806个独立位点，其中118个属于真实脱靶位点。由于大部分机器学习工具不支持DNA bulge或RNA bulge，机器学习模型实际使用的是一个进一步缩减的数据集，因此其结果不能与传统工具进行完全等同的横向比较。
值得注意的是，这项研究评价的主要是野生型SpCas9引起的DNA双链断裂及indel结果。其结论不能直接套用到碱基编辑器、先导编辑器或RNA编辑器上，但对理解计算预测在安全评价中的定位具有重要意义。
结果一
脱靶位点是否能被“搜索到”，本身就是第一道瓶颈
为了公平比较不同工具，研究团队先将多个全基因组搜索工具给出的候选位点合并，建立了一个包含324,375个独立位点的共享候选库。然而，即使整合了Cas-OFFinder、CRISPRitz、FlashFry、GuideScan2、CCTop和CRISPOR等多个工具，仍有46个已经经过实验验证的真实脱靶位点没有被搜索到。研究发现，其中约84.8%属于高错配位点，另有部分位点含有DNA或RNA bulge。
图2｜不同脱靶预测工具对不同类型位点的评分分布。 图中比较了真实脱靶位点（indel ≥0.1%）、低频/未检出位点（indel <0.1%）以及未在数据集中测序验证的候选位点的评分分布。A–J 为传统工具，K–N 为机器学习工具。
这揭示了计算预测中一个容易被忽略的问题：一个位点只有先进入候选集合，才有机会被后续模型评分。若搜索阶段已经遗漏，无论后续评分模型多么准确，都不可能将其识别为脱靶位点。
因此，评价一个软件不能只看其排序性能，还应关注它允许搜索多少个错配、是否支持非经典PAM、是否考虑bulge，以及候选位点空间是否足够全面。研究也明确指出，precision、recall和PR-AUC等指标都需要结合候选位点覆盖范围进行解读。对于安全性评价而言，相比产生较多需要后续验证的候选位点，遗漏一个真实脱靶位点可能带来更大的风险。
结果二
预测分数可以用于排序，但不能代表实际脱靶频率
整体来看，14种工具都能够给真实脱靶位点分配相对更高的分数，说明这些工具确实具备一定的候选位点优先级排序能力。但问题在于，真实脱靶位点与非脱靶位点的评分分布存在明显重叠。也就是说：
高分位点不一定发生真实脱靶；
低分位点也不一定完全安全；
单一分数阈值很难将真实脱靶和非脱靶清晰分开。
在预测分数与实际indel频率的相关性方面，表现相对较好的工具包括CRISPert、CRISPRoff、MOFF和CRISOT，其Spearman相关系数分别约为0.606、0.587、0.570和0.513。但所有工具的决定系数R²整体较低，意味着预测分数只能解释实际编辑频率中很有限的一部分变化。
图3｜预测分数与实际 indel 频率之间的相关性。
换句话说，计算工具可能判断某个位点“相对更值得关注”，却很难回答：
该位点实际脱靶频率是0.1%还是10%；
不同细胞类型中的编辑频率是否一致；
该位点在最终工艺、剂量和递送条件下是否仍然发生编辑。
原因在于，脱靶活性不仅由sgRNA与DNA之间的序列相似性决定，还受到染色质可及性、局部DNA结构、细胞类型、编辑器暴露时间以及DNA修复通路等因素影响。现有模型仍主要依赖序列特征，尚无法完整描述这些生物学变量。
结果三
机器学习模型有所提升，但仍没有达到“可独立替代实验”的水平
作者采用PR-AUC评价不同工具在不平衡数据集中的综合表现。在传统连续评分工具中，MOFF和CRISOT表现相对较好，PR-AUC分别为0.31和0.30。在机器学习模型中，CRISPert的PR-AUC达到0.48，是该组表现最好的工具。
图4｜不同脱靶预测工具的精确率-召回率（PR）表现。
但需要注意，CRISPert等机器学习模型是在排除了bulge位点的缩减数据集上进行评价，因此不能简单得出“机器学习工具一定优于传统工具”的结论。即使是表现最好的模型，其PR-AUC也仅处于中等水平，真实脱靶与非脱靶之间仍不能实现稳定、清晰的区分。
机器学习模型还表现出更明显的两极化评分倾向，即大量位点被赋予接近0或接近1的分数。这种现象可能提高排序效率，但也可能意味着模型在训练数据不充分或实际样本偏离训练分布时，给出“过度自信”的判断。特别是在原代细胞、患者来源细胞、不同递送方式或新型编辑器项目中，模型的适用性仍会受到训练数据范围限制。
结果四
扩大验证位点数量可以提高召回率，但仍然无法实现完整覆盖
在临床前评价中，一个非常实际的问题是：究竟需要验证多少个预测位点？研究结果显示，对于表现较好的传统工具：
验证排名前250个位点时，召回率约为72%；
验证排名前500个位点时，召回率最高约为77%；
扩大到前1,250个位点时，召回率约为83%。
这意味着，即使每条gRNA验证500个计算预测位点，仍可能遗漏约四分之一的真实脱靶。即便将验证范围扩大至1,250个位点，也仍有约17%的真实脱靶无法覆盖。
图5｜不同工具对实验验证脱靶位点的覆盖情况。
机器学习工具的趋势相似。在排除bulge位点的数据集中，CRISPert和CRISPR-IP验证前1,250个位点时，召回率最高约为81%，仍有约五分之一的真实脱靶可能被遗漏。
随着验证位点数量增加，召回率虽然持续上升，但边际收益逐渐下降。研究估算，要覆盖约70%的真实脱靶事件，往往需要对每条gRNA的数百个候选位点进行实验验证。因此，“只选择排名前10或前20个位点做测序”虽然成本较低，但不能代表完成了系统性的脱靶安全评价。具体验证数量还需要结合产品类型、编辑细胞、预期临床剂量、候选位点功能注释和整体风险等级综合确定。
结果五
叠加多个预测软件，提升并没有想象中明显
研究团队进一步测试了多工具组合是否能够提高召回率。在不含bulge的位点中，单独使用CRISPert时，排名前50个位点的召回率约为69%。将CRISPert与MOFF、CRISOT或CRISPR-OFFT等工具组合后，召回率仅提高至约71%。
图6｜随着纳入验证的 top-ranked 候选位点数量增加，真实脱靶位点召回率的变化。
即使同时整合多达5种预测工具，提升仍然十分有限；当验证范围扩大至1,250个位点时，多工具组合相较最优单工具几乎没有额外收益。这说明，不同软件虽然采用不同算法，但其核心信息来源仍高度重叠，大多基于序列错配、PAM和已有实验训练数据。简单增加软件数量，并不能补足所有缺失的生物学信息。因此，多工具联合的合理价值是减少单一算法带来的偏差，而不是将其视为替代实验检测的手段。
图7｜不同预测工具组合后对真实脱靶位点召回率的影响。
这篇研究对临床前脱靶评价带来什么启示？
这项研究最重要的结论，并不是评选出一个“最好的预测软件”，而是重新界定计算预测在整个脱靶评价体系中的位置。
计算预测适合做候选位点筛选，而不是最终安全判定
计算工具可以快速扫描全基因组，并对大量候选位点进行排序，适合用于sgRNA早期筛选和后续验证位点设计。但预测低风险不等于实验上不存在脱靶，预测高风险也不代表一定发生编辑。
候选位点覆盖范围与排序算法同样重要
如果软件不能搜索高错配位点、bulge或非经典PAM，再优秀的评分模型也无法找回这些位点。评价工具时，应同时考察“搜索得到多少”和“排序是否准确”。
实验发现与候选位点验证承担不同任务
无偏或半无偏实验方法用于尽可能发现实际发生切割或编辑的基因组位点；计算预测则补充序列层面的候选范围，并可考虑人群遗传变异。随后还需通过靶向深度测序，在与产品相关的细胞和工艺条件下进行验证与定量。
不应只关注小indel
CRISPR-Cas9脱靶切割可能引起小片段插入或缺失，也可能伴随大片段缺失、染色体重排以及外源DNA或内源序列插入。仅依靠常规短片段扩增测序，可能无法覆盖全部基因组安全风险。
不同编辑器需要建立不同的评价体系
本研究针对的是野生型SpCas9。CBE、ABE和PE产生的分子中间体及非预期编辑类型不同，不能只沿用Cas9核酸酶的序列相似性预测模型。作者也指出，未来预测工具需要进一步适配碱基编辑器和先导编辑器。
综合来看，更合理的临床前脱靶评价路径应当是：
全面的计算候选位点预测
适配编辑器类型的实验性全基因组脱靶发现
候选位点靶向深度验证
基因组结构和遗传稳定性评价
结合位点功能与产品暴露进行风险分析
舒桐科技 —— 一站式基因编辑安全性评估平台
GeneRulor
珠海舒桐医疗科技有限公司（GeneRulor）聚焦细胞与基因治疗及小核酸产品安全性评价，可根据编辑器类型、递送方式、细胞来源和项目阶段，建立从前期设计、脱靶发现到验证与遗传稳定性评价的技术方案。
【服务模块一】sgRNA设计与计算预测
舒桐科技可提供：
sgRNA设计；
sgRNA序列准确性鉴定；
CRISPRme软件脱靶预测；
基因编辑效率检测。
该模块适用于候选sgRNA早期筛选、潜在脱靶位点初步提名以及后续实验验证范围设计。计算预测结果应结合实际编辑体系进行解读，而不宜单独作为脱靶安全结论。
【服务模块二】CRISPR核酸酶脱靶检测
针对Cas9等产生DNA切割的编辑体系，可结合项目特点开展：
E-GUIDE体内脱靶检测；
AID-seq体外脱靶检测；
CRISPR编辑WGS脱靶检测；
候选脱靶位点验证与编辑效率分析。
不同方法反映的生物学信息不同。体外方法通常具有较高的候选位点发现能力，而细胞内方法能够进一步反映染色质状态、编辑器递送和细胞环境的影响。将计算预测、体外发现和细胞内检测进行交叉分析，有助于建立更完整的候选位点集合。
【服务模块三】碱基编辑与先导编辑专项评价
针对不同编辑器的特异性风险，舒桐科技已建立相应检测业务：
Detect-seq：CBE碱基编辑全基因组脱靶检测；
Ino-seq：ABE碱基编辑全基因组脱靶检测；
PE-tag：先导编辑脱靶检测；
CBE和ABE除可能发生sgRNA依赖性DNA脱靶外，还可能存在脱氨酶介导的sgRNA非依赖性DNA或RNA非预期编辑；PE则需要关注错误编辑、旁观者编辑及非预期产物。因此，不同编辑器应选择与其作用机制相匹配的评价方法。
【服务模块四】基因组稳定性与延伸安全评价
脱靶位点并不是基因编辑产品安全评价的全部。舒桐科技还可围绕编辑后细胞和产品开展：
染色体结构异常检测；
载体整合位点检测；
iPSC WES遗传稳定性检测；
iPSC WGS遗传稳定性及脱靶检测；
表观遗传学检测；
单细胞测序等。
此外，公司还提供ASO/siRNA脱靶安全性评价及遗传修饰微生物安全性评价，可根据不同产品机制设计针对性的安全评价策略。
这项系统评测再次说明，CRISPR脱靶预测工具的核心价值是提名和排序候选位点，而不是直接证明某个位点安全或危险。
对于临床前基因编辑产品，仅依赖单一预测软件，或者只验证少量排名靠前的位点，均可能低估真实脱靶风险。更稳妥的方案，是根据编辑器机制和产品属性，将计算预测、实验性全基因组脱靶发现、候选位点深度验证及基因组稳定性评价进行整合。
随着基因编辑技术从传统Cas9核酸酶逐步拓展至CBE、ABE和PE，脱靶安全评价也需要从“统一方法”转向“编辑器特异、产品特异和风险导向”的综合策略。
