主页 › 范文 › 生物工程 › 本文

DeepFM-Crispr：基于深度学习的CRISPR靶向效应预测模型

摘要

文章提出了一种名为DeepFM-Crispr的新型深度学习模型，用于预测CRISPR-Cas13d系统的靶向效率和脱靶效应。该模型结合了大型语言模型（RNA-FM）和Transformer架构，通过分析RNA序列的进化与结构信息，生成高维嵌入表示，从而提升预测准确性。实验结果表明，DeepFM-Crispr在预测sgRNA效率方面显著优于传统机器学习方法和现有深度学习模型，其AUC和AUPR分别达到0.88和0.69。该模型为RNA靶向基因编辑提供了高效、可靠的计算工具，具有广泛的应用潜力。

1. 引言

CRISPR-Cas13d是一种独特的RNA靶向基因编辑系统，其非特异性RNA切割活性（即“附带活性”）为基因调控和诊断应用提供了新机遇。然而，sgRNA的设计效率与脱靶效应预测仍是关键挑战。文章提出的DeepFM-Crispr模型通过整合大型语言模型和深度学习技术，解决了传统方法在RNA二级结构建模和数据稀缺性上的局限性，为Cas13d系统的精准应用提供了计算支持。

2. 方法

2.1 数据表示与特征提取

sgRNA序列通过独热编码转换为二进制向量，确保输入一致性。RNA-FM大型语言模型进一步生成高维嵌入，捕捉序列的进化与结构特征，包括核苷酸间相互作用和全局上下文信息。

2.2 模型架构

DeepFM-Crispr采用多模块设计：

RNA-FM模块：基于Transformer的12层编码器，输出富含语义的序列嵌入。
二级结构预测模块：ResNet模型将RNA-FM嵌入转换为配对/非配对的概率矩阵。
特征整合模块：DenseNet和位置编码Transformer融合序列与结构特征。
预测模块：多层感知机（MLP）输出最终效率评分。

3. 实验结果

在包含22,599个Cas13d sgRNA的数据集上，DeepFM-Crispr表现出色：

预测准确性：R²和Pearson相关系数显著优于基线方法（如XGBoost、DeepCas13）。
分类性能：以AUC 0.88和AUPR 0.69实现高效/非高效sgRNA的精准区分。

模型对非编码RNA的靶向预测能力尤为突出，验证了其在复杂RNA结构场景下的鲁棒性。

4. 讨论与结论

DeepFM-Crispr的创新性体现在：

多模态特征整合：结合序列语义与二级结构信息，突破传统单维度建模的局限。
可扩展性：框架设计支持适配其他CRISPR系统（如Cas9、Cas12）。

该模型为基因编辑工具的优化提供了新范式，未来可通过纳入更多基因组特征进一步提升预测精度。