[发明专利]一种基于CRISPR/Cas9的sgRNA的设计方法

摘要

本发明涉及一种基于CRISPR/Cas9的sgRNA的设计方法，其特征在于，该方法包括下列步骤：获取sgRNA和对应的Cas9的酶切效率的值；建立个性化sgRNA设计模型；运用NDCG算法衡量建立的个性化sgRNA设计模型的质量并更新数据库；设计sgRNA并给出每个sgRNA的评估值。与现有技术相比，本发明具有准确率高、特征完整、应用范围广与分析数据广的特点。

主权项

1.一种基于CRISPR/Cas9的sgRNA的设计方法，其特征在于，该方法包括下列步骤：1)获取sgRNA和对应的Cas9的酶切效率的值，具体为：11)从文献中获取sgRNA以及对应的Cas9的酶切效率的值；12)从SRA数据库中获取sgRNA，计算获取对应的Cas9的酶切效率的值；13)按照物种、细胞类型和实验条件将步骤11)和12)中获取到的数据分类成不同的参考基因组，每个参考基因组中都列出一份第一列为sgRNA名称、第二列为sgRNA序列以及第三列为对应的Cas9的酶切效率的表格；2)建立个性化sgRNA设计模型，具体为：21)根据需求从相应的参考基因组中，提取步骤1)中获取的sgRNA的序列信息；22)对步骤21)中提取的sgRNA序列信息按照二进制规则进行二进制编码；23)对步骤21)中获取的sgRNA，判断其Cas9的酶切效率的数据类型，若为数值型则进入步骤24)，若为分类型则进入步骤25)；分类型数据：针对从文献中收集的分类型数据，规定有效为1，无效为0；数值型数据：针对NGS的数值型数据，首先通过BWA分别把sgRNA的序列和NGS的reads比对到人类参考基因组上，取出包含sgRNA的reads，并判断在切割点是否产生indel以及indel是否是OTF，然后统计每个sgRNA的OTF率，OTF率＝包含该sgRNA并且是OTF的reads的总数除以包含该sgRNA的总reads数；24)对步骤22)中编码后的sgRNA序列信息，用Lasso模型进行特征提取，根据标准线性回归建立个性化sgRNA设计模型；25)对步骤22)中编码后的sgRNA序列信息，用二分类逻辑回归中的L1正则化进行特征选择，再根据二分类逻辑回归中的L2正则化建立个性化sgRNA设计模型；3)运用NDCG算法衡量步骤2)中建立的个性化sgRNA设计模型的质量并更新SRA数据库，具体为：31)计算步骤2)中建立的个性化sgRNA设计模型的NDCG值；32)判断现有SRA数据库中是否有对应的个性化sgRNA模型，若否则将其添加进SRA数据库，若是则进入步骤33)；33)比较该个性化sgRNA模型与对应的SRA数据库中的sgRNA模型，选择NDCG值大的一个存储在SRA数据库中；4)设计sgRNA并给出每个sgRNA的评估值，具体为：41)根据用户给出的基因组区域，从SRA数据库中选取合适的参考基因组，从中搜索所有符合设计规则的sgRNA，将其作为设计的sgRNA；42)对步骤41)中设计的sgRNA，运用步骤2)中建立的个性化sgRNA模型进行评估。