CRISPR

CRISPR-GPT来了！丛乐/王梦迪团队开发自动化设计基因编辑实验的大语言模型，小白也能轻松开展基因编辑研究

来源：生物世界 2024-05-02 11:25

斯坦福大学丛乐团队与普林斯顿大学王梦迪团队合作，在预印本平台bioRxiv上发表了题为：CRISPR-GPT: An LLM Agent for Automated Design of Gene-Editing Experiments的研究论文。

该研究开发了一种自动设计基因编辑实验的大语言模型智能体（LLM Agent） CRISPR-GPT，这是一种通过添加基因编辑领域专业知识和外部工具来自动化和增强基于CRISPR的基因编辑实验设计过程的大语言模型智能体，包括CRISPR基因编辑、表观遗传编辑、先导编辑和碱基编辑。

CRISPR-GPT利用大语言模型的推理能力，简化了选择CRISPR系统、设计gRNA、推荐细胞递送方法、制定实验操作流程和设计验证实验以确认编辑结果的过程。从而帮助弥合不同领域生物学家甚至是初学者与CRISPR基因组编辑技术之间的差距，展示了大语言模型智能体在促进复杂生物发现任务方面的巨大潜力。

丛乐

丛乐，2009年本科毕业于清华大学生物系，2014年获哈佛大学博士学位，博士期间主要在张锋实验室学习，2013年作为第一作者在Science期刊发表了CRISPR基因编辑领域里程碑论文，首次将CRISPR基因编辑系统应用于哺乳动物基因编辑。丛乐现为斯坦福大学助理教授，致力于开发大规模基因编辑和单细胞扰动-表征技术，整合宏基因组学、计算生物学和机器学习的最新技术。

王梦迪

王梦迪，本科毕业于清华大学自动化系，23岁时获得麻省理工学院（MIT）电子工程与计算机博士学位，同年加入普林斯顿大学任助理教授，29岁时获得普林斯顿大学终身教职。王梦迪团队近期开发了首个mRNA 5 UTR的语言模型

虽然利用大语言模型（LLM）辅助基因编辑实验的设计具有诱人的前景，但当前主流的通用型模型在这一专业领域存在显著不足。尽管这些大语言模型拥有庞大的知识库，但它们缺乏精确、及时的特定领域知识，这对于准确设计生物实验至关重要。

通用型大语言模型的一个主要局限性在于它们容易产生 幻觉 或在执行特定生物查询任务时生成自信但不准确的响应。这种 幻觉 设计的序列不仅没有实用价值，还可能误导研究人员，浪费资源和时间。此外，通用型大语言模型还通常缺乏实验设计所需的必要细节，例如特定的材料、实验操作方案、脱靶效应考虑、gRNA效率和特异性等。这些不足可能会使研究人员（尤其是那些刚进入基因编辑领域的研究人员）无法为实验的实际执行做好准备。通用型大语言模型生成的回复中还可能包含大量与基因编辑实验设计无关的信息，这些无关信息可能会导致混淆和误导，使研究人员难以确定哪些实现其基因编辑目标所需要的。

这些局限性凸显了开发一类专门针对基因编辑实验设计的新型大语言模型的必要性，此类模型需要将深入、准确的基因编辑领域专业知识与批判性评估和生成可行解决方案的能力相结合，从而克服通用型大语言模型在设计CRISPR基因编辑实验时面临的障碍。

在快速发展的基因工程领域中，CRISPR技术已成为精确基因编辑的关键工具。尽管前景诱人，但从gRNA选择到预测脱靶效应的CRISPR实验设计过程复杂，给初学者带来了巨大挑战。为了填补这一空白，研究团队推出了CRISPR-GPT，这是一种结合了大型语言模型（LLM）的强大功能、领域特定知识和计算工具的新型解决方案，专门针对CRISPR基因编辑任务。

CRISPR-GPT是以定制的基于大语言模型的规划和设计智能体为核心，该智能体引擎不仅借鉴了基因编辑领域前沿专业知识，还广泛整合了近期发表的文献以及一系列计算工具包。

CRISPR-GPT智能体的创新之处在于，它通过简化原本复杂的过程并将其分解为一系列可的步骤，实现了自动化的基因编辑实验设计：