算法让火得名副其实

「尽管较之以前的工具，CRISPR很赞，但它并不总是管用。」加州大学伯克利分校创新基因组的科学主任Jacob Corn说：「我们感到很费解，」但那也是软件流行起来的原因。开发新算法可以帮助研究人员设计出更容易取得成功的CRISPR。

CRISPR系统配有两个主要特征：1）一个可编程的基因代码短链（向导RNA）；2）一个充当分子剪刀的蛋白质（通常是被称作Cas9的酶）。一旦复合物被导入细胞，向导RNA会把Cas9带到生物体DNA序列（或基因组）内的准确位置，像魔术贴一样粘在上面，并让Cas9剪断该DNA。接下来，细胞自身机制会修护切口，在这一过程中，毁坏或者添加一些DNA，破坏基因。研究人员也可以有意将新的基因代码导入这个位置。

向导RNA通过寻找带有分子互补代码的DNA片段，来发现自己在生物体基因组内的目标。这些分子被称为碱基，并用字母A（腺嘌呤），T（胸腺嘧啶），G（鸟嘌呤），和C（胞嘧啶）表示。

向导RNA把CRISPR复合体带到DNA里的互补位点，亦即酶寻找被称为「protospacer相邻基序」（缩写为PAM）地标的地方。如果复合体同时找到匹配的DNA和PAM，它将剪断DNA链，打乱基因的序列或者在相同的地方创造新的DNA。

由Cas9酶查找的地标叫做「protospacer相邻基序」（缩写为PAM）。「PAM」在基因组里很容易找到：就像在一本书里找「the」字。任何一个在「PAM」旁边，以20组为单位的互补碱基都可以作为目标点位。

不过，想要确保这20组互补碱基的独特性很难。对于只有四个变量的基因代码来说，大多数生物的基因组有几百到数十亿组的碱基对，模式经常重复。向导RNA会被诱饵片段（decoy segments），叫做脱靶位点（off-target sites），分散注意力，而且可能最终让错误的基因发生突变。与目标片段存在几个碱基差异的片段能妨碍到工具工作。「你能用眼扫描整个基因组，找出（脱靶位点），但要花很长时间。」负责开发CRISPR软件Protospacer工作台，来自巴黎巴斯德研究所的数据学家Cameron Ross McPherson说。

在过去的两年内，有数十个这样的软件工具问世，大多数都是免费的。也有些公司，比如来自旧金山的Benchling，提供比免费公开版本更好用的用户界面。但没有一个脱颖而出的软件系统，开发CRISPR的软件E-CRISP，来自位于海德堡，德国癌症研究中心的Michael Boutros说。Boutros表示还有大量工作需要完成。拥有一个有55个理论上可能有用的向导RNA的清单是一个有益的起点，但是，留给研究人员的任务是必须以试错的方式判断出那个最管用。人们需要能确定预测某个特别向导RNA将会有用的算法。

为此，生物统计学家开始整理试验数据，寻找成功向导RNA的普遍特征，用来指导基于机器学习的预测系统。但是,大部分数据都分散在小型的个人研究里。「把所有数据都放在一起将形成非常强大的资源，这是电脑工程师的机遇。」加州伯克利的Jacob Corn说。不过，现阶段也存在一些大型数据集。来自马萨诸塞州剑桥Broad研究所的一组研究人员近期在人类和老鼠细胞上测试了近2,000组向导RNA，并且发表了一组改进算法的规定。

与此同时，科学家正在试图改造Cas9和其它用来切割的蛋白质，试图为CRISPR用户提供更多的操作选择。这其中的一些蛋白质可以提高向导RNA的准确度。如果他们成功了，对预测精准度软件的需求可能会消失，或者更新。「如果可以完全消除脱靶的可能性，那很好。」Corn说：「但是我们做到了吗？还没有。」