【文献解读】CRISPR-GPT——你的AI基因编辑助手
基因编辑
大语言模型（Large Language Model, LLM）在数学、化学等科研领域已展现出卓越的语言处理能力，然而在生物医学领域，由于专业知识的缺乏以及生物学系统的复杂性，通用LLM（如ChatGPT）存在明显的"幻觉"问题，难以为研究人员提供准确的基因编辑实验设计方案。
针对这一挑战，斯坦福大学丛乐教授团队、普林斯顿大学王梦迪教授团队与谷歌DeepMind合作，在Nature Biomedical Engineering 上发表了题为"CRISPR-GPT for agentic automation of gene-editing experiments"的研究成果，成功开发了全球首个基于LLM的基因编辑实验自动化设计系统——CRISPR-GPT。
原文链接：http://www.nature.com/articles/s41551-025-01463-z
文章亮点
1. 大模型助力实验设计
构建多智能体系统，实现从实验规划到数据分析的全流程自动化，并支持与CRISPick等数据库无缝对接。
2. 三种智能交互模式
CRISPR-GPT系统提供Meta、Auto、Q&A三种模式，分别支持新手引导式操作、专家自定义工作流和实时答疑。
3. 模拟专家思维
整合CRISPR讨论数据和核心文献，微调专用模型CRISPR-Llama3，使系统能够像专家一样作出更准确、逻辑清晰的回答。
1. 预设模式（Meta）：该模式适用于基因编辑经验较少的初学者，提供从CRISPR系统选择到数据分析的完整流程分步指导，涵盖递送方法设计、gRNA设计、脱靶评估等关键任务，让新手也能够完成完整的基因编辑实验设计。
2. 自动模式（Auto）：该模式适合有一定基因编辑经验的研究人员，系统会根据用户提交的需求，自动分解任务并生成个性化工作流程，以解决科研人员某些特定问题，无需从头开始实验设计。
3. 问答模式(Q&A)：在该模式下，用户可随时咨询基因编辑实验相关问题，系统提供实时专业解答。
图 1. CRISPR-GPT概述
1. 实验规划：CRISPR-GPT系统中的任务规划智能体能够根据用户输入的需求，顺利获得多模态交互方式，将其拆解为任务链，从而实现个性化实验流程的自动构建。
评估结果显示，CRISPR-GPT在实验规划准确性上远超通用LLM，其基于GPT-4o（GPT-4 optimized）的版本在准确率、F1分数等指标上均超过0.99（图2b），体现了强大的流程理解与任务管理能力。
图 2. CRISPR-GPT自动模式中的任务分解与实验规划及性能评估
2. 递送方式选择：智能体顺利获得识别用户需求中特定生物学关键词，结合谷歌搜索与文献检索，推荐最优递送策略。
在50个生物系统测试中，CRISPR-GPT表现优于GPT-4和GPT-3模型，尤其在难转染细胞系和原代细胞等复杂任务中具有明显优势（图3b）。
3. gRNA设计：CRISPR-GPT系统顺利获得整合CRISPick等权威数据库资源，运用大语言模型（LLM）的语义推理能力，采用链式表格方法实现特定需求条件下gRNA的高效筛选（图3c）。
针对gRNA设计任务的测试结果表明，CRISPR-GPT在靶点选择准确性和参数配置合理性等关键指标上均显著优于基线模型（p<0.01）（图3d）。
图 3. CRISPR-GPT实现基因编辑研究与实验任务的自动化
1. 多基因敲除实验：研究者利用CRISPR-GPT设计了针对肺腺癌细胞系A549的四个肿瘤相关基因的敲除方案，结果显示，实验的编辑效率达80%（图4b）。
2. 表观遗传编辑：在针对黑色素瘤A375细胞系进行表观遗传编辑的实验中，研究者在CRISPR-GPT指导下完成选择CRISPR激活系统、设计三条dCas9 gRNA及验证流程等实验操作。编辑后，蛋白表达水平检测显示，激活与癌症免疫耐受相关的两个基因NCR3LG1和CEACAM1分别达到56.5%和90.2%的激活效率（图4f）。
图 4. CRISPR-GPT在敲除与激活实验中的实验验证
总体来说，CRISPR-GPT 实现了自动化基因编辑实验的设计，为研究人员提供智能化方案，在确保编辑精准性的同时，降低了实验操作的复杂性，提高研究可重复性。
未来，结合自动化实验平台和机器人技术，CRISPR-GPT 可实现计算设计、数据分析与物理执行的端到端自动化，有望加速基因编辑在农业育种、疾病治疗等领域的应用。
球盟会生物基因专注CRISPR技术，提供一系列高质量的基因编辑服务和体外诊断产品：CRISPR文库筛选、细胞基因编辑、单克隆筛选、CRISPR检测等。致力于为CRISPR相关、基因功能研究相关、体外诊断以及治疗相关的科研研究提供最高效的技术服务。
联系电话
Comment (4)