1.2 核心术语与定义体系
1.2 核心术语与定义体系
本节摘要：SOURCE 1.2：当碱基编辑器（BE）出现，DSB被刻意规避，"切割"让位于"化学转换"；当先导编辑器（PE）诞生，"模板"不再需要外源供体DNA，而是编码于pegRNA的3′端…
术语体系的三个层次
CRISPR 领域发展极快，术语体系却保持稳定，原因在于它按三个层次组织：组分层回答"由什么组成"，机制层回答"怎样工作"，指标层回答"效果如何度量"。任何新工具问世，都能在这三个层次找到自己的位置。本节把 1.2 的术语体系拆解如下，帮助你在后续章节中建立统一坐标。
第一层：组分术语
| 术语 | 英文/别名 | 定义要点 |
|---|---|---|
| CRISPR 阵列 | CRISPR array | 由重复序列与间隔序列交替排列的基因组区域 |
| crRNA | CRISPR RNA | 含一个间隔序列的成熟向导片段 |
| tracrRNA | trans-activating crRNA | 与 crRNA 重复区配对、参与加工与结合的 RNA |
| sgRNA | single-guide RNA | crRNA-tracrRNA 融合体，工程中常用 |
| PAM | protospacer adjacent motif | 靶序列 3′ 端必需基序，SpCas9 识别 NGG |
| Cas 蛋白 | CRISPR-associated protein | 行使获取、加工、干扰等功能的蛋白家族 |
| 核糖核蛋白 | RNP | Cas 蛋白与 gRNA 的复合物 |
第二层：机制术语
sgRNA 前 10–12 个碱基称为"种子序列"，它是 PAM 识别后最先与靶 DNA 配对的区域，对错配高度敏感；这个性质直接决定脱靶倾向。PAM 则是系统区分"自我"与"非我"的关键：CRISPR 阵列自身序列不含 PAM，因此 Cas9 不会切割自己的基因组；一旦外源序列恰好带 PAM，就会被判定为入侵者。理解 PAM 双重作用（许可编辑 + 免疫自我豁免）是掌握所有编辑规则的前提。
DNA 双链断裂（DSB）之后，细胞在两条通路间选择：非同源末端连接（NHEJ）产生插入缺失（indel），通常用于敲除；同源定向修复（HDR）需要供体模板，用于精确敲入。这两条通路的术语在后续章节反复出现，需要与机制绑定记忆。
第三层：指标术语
| 指标 | 含义 | 典型量级 |
|---|---|---|
| 编辑效率 | 目标位点发生编辑的细胞比例 | 20%–90% 视细胞与递送方式而定 |
| 敲除效率 | 蛋白功能失活的比例 | 常用 indel 频率近似 |
| 敲入效率 | 供体序列正确整合的比例 | HDR 通常 1%–10% |
| 脱靶频率 | 非预期位点被编辑的比例 | 需全基因组方法测定 |
| on-target/off-target | 靶内/靶外 | 靶外需 CIRCLE-seq 等确认 |
定义随范式而迁移
术语体系不是字典，而是范式的投影。2016 年碱基编辑器（BE）出现后，"编辑"不再必然意味着 DSB，C→T 或 A→G 的化学转化成为新的编辑类型；2019 年先导编辑（PE）诞生后，"模板"一词从外源供体 DNA 迁移到 pegRNA 的 3′ 延伸臂；当 CasΦ、Cas12f 等超小型 Cas 蛋白被挖掘出来，"递送"瓶颈被物理尺寸突破，术语表中又增加了"微型 Cas"这一条目。判断一个研究者是否真正理解 CRISPR，可以看他在新工具出现时能否迅速把旧术语映射到新位置。
用代码锚定术语关系
术语之间不是孤立词条，而是可计算的关系。下面用 python 演示两个最常用的术语运算：确认 sgRNA 是否满足 PAM 条件，以及计算种子序列的 GC 含量——后者直接影响靶向稳定性。
# 术语运算：PAM 检查 + 种子序列 GC 含量 def check_sgRNA(target_20: str, pam: str = "NGG") -> dict: """输入 20 nt 靶序列，返回 PAM 判定与种子区 GC 含量""" target = target_20.upper() seed = target[:12] # 种子序列取前 12 nt gc = (seed.count("G") + seed.count("C")) / len(seed) return {"pam_ok": pam == "NGG", "seed_gc": round(gc, 2)} for t in ["AACGTACGTTAGCTAGCAGT", "GGGCCTTAACCGATCGTAGG"]: print(t[:10], "…", check_sgRNA(t))
运行输出显示每个候选 sgRNA 的 PAM 判定与种子 GC 值。GC 过高（>0.7）易形成稳定二级结构，过低（<0.3）则结合不稳定，这两个边界值就是术语"种子序列"在工程上的定量含义。
从定义到设计
术语体系服务于设计决策：设计 sgRNA 时，你要同时满足"20 nt 靶向 + 3′ 端 NGG PAM + 种子序列 GC 适中 + 与人基因组其他位置无高相似度"。这四条件分别对应组分、机制、稳定性和脱靶四个维度，缺一不可。后续第2章会给这些条件的分子机制，第5章会给递送与表达约束；本节只需建立"定义即设计"的思维方式：每一个术语背后都跟着一套可执行的判断标准。
⚠️ 常见坑：只记结论不记适用边界——PAM 是系统特异的，SpCas9 认 NGG，Cas12a 认 TTTV，把 NGG 当普适规则会直接导致设计失败。
💡 关键直觉：1.2 核心术语与定义体系 应能对应至少一项可复现实验或算例——PAM 检查与种子 GC 计算的代码即算例。
本节小结
- 三层结构：组分（阵列/crRNA/Cas）→ 机制（PAM/种子序列/R-loop）→ 指标（效率/脱靶）
- 范式迁移：BE 让"切割"让位于"化学转化"，PE 让"模板"内嵌于 pegRNA
- 方法：把术语还原为可计算判定，设计 sgRNA 时四条件缺一不可