Nature Biotechnology· Alvin Hsu, Peter J. Chen, Angus H. Li, Colin F. Hemez, Xin D. Gao, Markus Terrey, Charlie Nelson, Vijay Selvam, Ana Cristian, Amber N. McElroy, Benjamin J. Steinbeck, Gandhar K. Mahadeshwar, Smriti Pandey, Zachary Barsdale, Paul Z. Chen, Alexander A. Sousa, Holt A. Sakai, Rachel A. Silverstein, Ilias Morad, Ryan K. Krueger, Max W. Shen, Benjamin P. Kleinstiver, Cathleen M. Lutz, Jakub Tolar, Bruce R. Blazar, Mark J. Osborn, David R. Liu·· 2026-08-12精选AI 评分88
OptiPrime：基于机制的机器学习模型预测先导编辑效率
Mechanistic machine learning for prediction of prime editing outcomes
AI 导读
【全文节选总结】作者提出 OptiPrime，一个将先导编辑（PE）机制嵌入数学结构的机器学习模型，用于预测 pegRNA 的编辑效率。模型在 40 种实验条件、297,962 条 PE 效率数据上联合训练，五折交叉验证平均 r=0.693、ρ=0.745，在本文数据集上优于 DeepPrime-FT 与 PRIDICT2.0。
推荐理由
该模型把先导编辑机制嵌入网络结构，在多个原代细胞与小鼠脑内验证了pegRNA设计效率。
来源：Nature Biotechnology · doi.org