5.1 CRISPR 文库筛选：全基因组大排查

5.1 CRISPR 文库筛选：全基因组大排查

本节摘要：CRISPR 文库筛选把第 2 章的单基因审讯升级成工业化排查：一次实验对约两万个基因同时执行敲除，在疾病相关的选择压力下读出"动谁谁出事"。本节讲方案的四个设计开关、读数分析逻辑与一段演算，以及覆盖度、脱靶、背景选择三大坑。它承接第 4 章嫌疑榜，是收网的第一枪。

收网从最大规模的审讯开始。本节在证据链上的位置：它把 2.2 的扰动审讯从"一次一个"放大到"一次全部"，给嫌疑榜上的每个候选一次在同台条件下被复查的机会——侦查排序如果有偏，这一步是纠偏的机会；实验读数如果有坑，这一步也是埋雷的重灾区。

排查方案怎么设计

一轮全基因组 CRISPR 筛选（以敲除为例）的标准流程：设计并合成向导 RNA 文库（每个基因通常配四到八条向导，全库十万条上下）；把文库以低感染复数导入细胞，保证每个细胞只带一条向导；施加选择压力（药物处理、病原感染、微环境胁迫，或与疾病表型挂钩的分选）；培养若干代后测序统计每条向导的丰度变化。某条向导被显著消耗，说明它敲掉的基因在当前压力下是细胞的活路；被富集，说明敲掉它反而让细胞活得更滋润。

方案设计有四个开关，每个都决定数据的可用性：

• 文库开关：全基因组库做发现，定制库（聚焦某通路或嫌疑榜前几十个基因、每基因十几条向导）做复核。预算有限时，"全库粗筛 + 定制库精筛"两级方案最稳。
• 感染复数开关：复数必须压到 0.3 上下（多数细胞只感染一条向导），否则一个细胞里多条向导的表型混在一起，归因失效。这是最容易被赶进度牺牲、也最不能牺牲的开关。
• 覆盖度开关：每条向导在起始细胞群里要有数百个代表（"覆盖度"），库里十万条向导意味着起始细胞量以千万计。覆盖不足时，丰度变化的随机漂移会淹没真实信号。
• 选择压力开关：压力要贴合疾病机制（纤维化模型用基质活化读数，感染模型用病原入侵），并留无压力对照组——两组相减才能把"向导本身的影响"消掉。

读出丰度后，分析逻辑不复杂：把基因名下所有向导的丰度变化聚合成基因级分数，排序。主流工具（MAGeCK 一族）用负二项模型做聚合与检验，下面的演算演示聚合的核心逻辑。

# CRISPR 筛选读数分析：向导级 log2FC -> 基因级聚合与排序
import math, statistics

# 模拟一次筛选的测序计数：无压力对照组 与 药物压力组
library = {
    # 基因: [(向导名, 对照计数, 压力计数), ...]
    "MUC5B":  [("g1", 500, 180), ("g2", 520, 210), ("g3", 480, 195), ("g4", 510, 205)],
    "TGFB1":  [("g1", 495, 470), ("g2", 505, 500), ("g3", 488, 460), ("g4", 512, 495)],
    "LOX":    [("g1", 500, 160), ("g2", 490, 150), ("g3", 505, 175), ("g4", 498, 168)],
    "COL1A1": [("g1", 495, 488), ("g2", 500, 492), ("g3", 490, 485), ("g4", 505, 498)],
    "ACTB":   [("g1", 500, 60),  ("g2", 505, 55),  ("g3", 495, 62),  ("g4", 500, 58)],  # 必需基因
    "SAFE1":  [("g1", 500, 505), ("g2", 495, 490), ("g3", 502, 498), ("g4", 497, 500)],  # 阴性对照
}

def gene_hits(gene_guides):
    """每条向导算压力对对照组的 log2FC，再取基因内中位数聚合"""
    l2 = []
    for g, c_ctrl, c_drug in gene_guides:
        l2.append(math.log2((c_drug + 1) / (c_ctrl + 1)))
    return statistics.median(l2), l2

print(f"{'基因':<8}{'中位log2FC':>12}  向导一致性  判读")
rows = []
for gene, guides in library.items():
    med, l2 = gene_hits(guides)
    consistent = all(x < 0 for x in l2) or all(x > 0 for x in l2)
    if med < -1 and consistent:   verdict = "显著消耗：候选依赖/必需"
    elif med > 1 and consistent:  verdict = "显著富集：敲掉更有利"
    else:                          verdict = "无信号"
    rows.append((gene, med, consistent, verdict))

for gene, med, _, v in sorted(rows, key=lambda r: r[1]):
    print(f"{gene:<8}{med:>12.2f}  {'一致' if _ else '不一致'}    {v}")
# 解读方向：ACTB（必需基因）重消耗 = 阳性质控；
# SAFE1 无信号 = 阴性质控；MUC5B 与 LOX 显著消耗，
# 说明这两个侦查排序候选在药物压力下确为细胞依赖——嫌疑升级。
​

图 5-1：全基因组排查的流程与质控位

三大坑：排查怎么翻车

覆盖度不足。文库每条向导的代表数掉了，丰度读数就成了抽签。翻车现场的特征是：重复实验的相关性低、大量"单向导显著"的假 hit。治理靠起始细胞量与取样量的预算纪律——这页账不能省。

感染复数失控。复数一高，一个细胞多条向导，消耗读数无法归因到单个基因；更隐蔽的是多条向导同时敲在相关通路上造成的"组合效应"假信号。复数要用流式或抗性比例实测，不能只信感染时的加样比例。

背景选择偷跑。培养过程中细胞自身在演化：长得快的克隆自发扩张，与向导无关。表现为"某些向导在对照组里也大幅波动"。治理靠生物学重复、时间匹配对照，以及对"跨重复不一致"的 hit 坚决降级。

⚠️ 常见坑：把"敲除致死"直接当成好靶标。全库筛出的重消耗基因大头是核糖体与剪接体这类必需基因——正常细胞同样离不开。只有"疾病细胞依赖、正常细胞不依赖"的消耗才通向治疗窗口，对照组比较不能省。

排查的常见疑问

全库筛和定制库怎么分配预算？

两级方案：全库粗筛负责发现预期外依赖（它的价值恰恰是"不知道该筛谁"的场景），定制库负责复核与扩展（每基因十条以上向导、加时间点重复）。预算紧张时的正确取舍是保覆盖度而非保基因数——两万个基因低覆盖度地过一遍，不如八千个基因高覆盖度过一遍；漏掉的基因可以下一轮补，噪声里的假 hit 却会让整轮白干。

非编码区与 RNA 编辑类靶标能进库吗？

传统 CRISPR 敲除库只覆盖蛋白编码区，非编码元件（增强子、剪接位点、lncRNA）需要专属库型：CRISPRi 用 dCas9 压制调控元件，碱基编辑库做点突变扫描。这类库的设计难度更高（每个元件的"向导打哪里"没有编码区那么直白），但肿瘤与遗传病领域已经跑通多轮——如果案子的嫌疑区在非编码地带，库型选错了什么都筛不出来。

命中之后的复核流程怎么走？

标准四步：定制库复筛（同基因多条向导一致消耗）；独立验证（单个基因的单向导敲除实验，含蛋白量验证）；表型 rescue（回补抗编辑版本，表型恢复才算数）；背景扩展（换细胞系或换疾病模型看依赖是否保留）。四步走完还站得住的 hit，才配得上"候选靶标"四个字——每一步都有文献报道过漏步翻车的先例，省不得。

读数质量的四道体检

分析数据前先给实验质量做体检，四道缺一不可。文库代表性：起测样本里向导检出率与丰度分布应均匀，掉到检测线以下的向导比例过高说明覆盖度崩了。重复相关性：同条件重复实验的向导级读数相关系数要有基本盘（通常看到 0.7 以上才谈分析），低相关的重复先解决实验再谈结论。质控向导的表现：必需基因向导组应整体强消耗、安全位点向导组应纹丝不动，两头失灵分别提示压力过度或批次错乱。选择压力的动态：无压力对照组随培养代数的漂移幅度，决定了"多大的丰度变化才算信号"——漂移大的实验，阈值要相应收紧。四道体检的结果要原样写进分析报告：排查结论的可信度，从来是实验质量与分析方法共同决定的。

体检之外还有一条分析层的纪律：hit 名单必须带"方向注记"而不是裸排序。每个基因旁标注消耗还是富集、跨重复的一致性、以及是否落在第 4 章嫌疑榜的预期区——排查结果的正确读法是与侦查排序对照着读：榜上靠前且实验消耗的候选是双证加强；实验消耗但榜上无名的，提示侦查有盲区；榜上有名但实验纹丝不动的，回查选择压力是否真正触达了该靶标的工作情境。裸排序丢掉的全部是这种交叉信息。

办案手记（要点回顾）

• 一轮排查 = 向导库 × 低复数 × 选择压力 × 测序读出，四个开关各有质控位；
• 向导级读数聚合到基因级，多向导一致是采信的最低门槛；
• 消耗与富集两类读数分别指向依赖机会与抑制机会，必需基因要用对照剔除；
• 阳性质控（必需基因）与阴性质控（安全位点）是每轮排查的标配；
• 覆盖度、复数、背景选择是三大翻车点，预算与耐心都不能省；
• 下一站 5.2：换个方向收网——不问嫌疑人是谁，先找能纠正现场的分子。