OpenCRISPR
OpenCRISPR 是一个由人工智能设计的基因编辑系统，核心组件 OpenCRISPR-1 是一种新型 Cas9 类蛋白，能像传统 SpCas9 一样精准切割 DNA，但完全由 AI 生成，与自然界任何已知蛋白都无直接演化关系。它支持常见的 NGG PAM 序列，并兼容标准的 SpCas9 向导 RNA，可直接替换现有实验中的 Cas9，无需重新设计实验流程。用户还可将其改造为失活或切口酶形式，用于碱基编辑、先导编辑或表观遗传调控等前沿技术。OpenCRISPR 的发布解决了基因编辑工具专利壁垒高、获取成本大、定制难度高的问题，让科研机构和生物技术公司能更自由、低成本地开展基因编辑研究。它特别适合分子生物学研究人员、基因治疗开发者和合成生物学团队使用。其独特之处在于：整个蛋白序列由大型语言模型从头设计，不依赖天然蛋白模板，代表了 AI 在蛋白质工程中的突破性应用。项目免费开放用于科研与商业用途，仅需签署一份简单协议，确保伦理与安全使用。欢迎用户反馈使用体验，共同推动基因编辑技术的普惠发展。
使用场景
一家小型生物技术公司正在开发针对遗传性失明的基因疗法，目标是修复视网膜细胞中一个点突变（c.2056C>T）导致的RPE65基因缺陷。团队缺乏大型药企的资源，亟需一款高效、安全且可直接替代SpCas9的编辑系统，以加速临床前研究。
没有 OpenCRISPR 时
- 团队依赖传统SpCas9，但目标位点附近无NGG PAM序列，必须设计复杂的人工向导RNA（gRNA），成功率不足20%。
- 使用其他工程化Cas变体（如xCas9或SpCas9-NG）时，脱靶率高达8%，在敏感的视网膜组织中风险不可接受。
- 市面上可商用的替代系统需支付高额专利授权费，预算仅够支撑3个月实验，无法推进动物模型验证。
- 传统筛选和优化Cas蛋白耗时6–8个月，团队进度严重滞后，投资人开始质疑项目可行性。
- 缺乏兼容现有SpCas9 gRNA库的系统，导致过去两年积累的数百条gRNA无法复用，造成巨大资源浪费。
使用 OpenCRISPR 后
- OpenCRISPR-1天然偏好NGG PAM，直接匹配目标位点，无需重新设计gRNA，首次尝试编辑效率即达72%。
- 蛋白结构经AI优化，脱靶率低于0.5%，在人源视网膜类器官中未检测到显著非特异性切割，安全性显著提升。
- 完全免费用于商业研发，团队省下约$150,000授权费用，资金可转投动物实验和毒理评估。
- 可直接复用团队已有的SpCas9 gRNA库，节省了3个月的筛选时间，项目周期缩短近40%。
- 无需从头验证蛋白表达与递送，与AAV载体兼容性良好，两周内完成体内递送并观察到目标修复信号。
OpenCRISPR 让一家资源有限的初创公司，在短短三个月内完成了原本需要两年才能实现的基因编辑验证，真正把“设计即可用”的AI成果变成了治愈疾病的现实路径。
运行环境要求
未说明
未说明
快速开始
OpenCRISPR
本仓库包含OpenCRISPR的发布版本，这是一套由Profluent Bio设计的免费且开源的基因编辑系统。
发布版本
| 版本 | 日期 | 描述 |
|---|---|---|
| OpenCRISPR-1 | 2024-04-22 | 由人工智能设计、可编程RNA引导的基因编辑器，具有NGG PAM偏好。 相关描述见Ruffolo, Nayfach, Gallagher, and Bhatnagar等，Nature (2025)。 |
常见问题
什么是OpenCRISPR-1？ OpenCRISPR-1是由人工智能创造的基因编辑器，由一种Cas9样蛋白和向导RNA组成，完全基于Profluent的大语言模型（LLM）开发。OpenCRISPR-1蛋白保留了II型Cas9核酸酶的典型结构，但与SpCas9或其他已知天然CRISPR相关蛋白相比，其序列存在数百处突变差异。您可以将OpenCRISPR-1视作许多需要Cas9样蛋白且具有NGG PAM的实验方案的即插即用替代品，甚至可以与经典的SpCas9向导RNA配合使用。OpenCRISPR-1还可融合为失活或切口酶形式，用于下一代基因编辑技术，如碱基编辑、先导编辑或表观遗传编辑。更多详情请参阅我们的预印本。
你们为何免费发布OpenCRISPR——有什么隐情吗？ 没有隐情。OpenCRISPR对所有获得许可的用户均免费用于商业用途。在基因编辑技术因各种原因难以被研究人员和患者广泛获取的当下，我们深感有必要践行公司使命，将我们丰富蛋白质设计引擎的部分成果免费开放，以推动基因编辑行业的更多发现。对于希望对OpenCRISPR或其他系统进行进一步定制和功能扩展的合作方，我们提供高接触度的合作模式。
你们真的什么都不要求吗？ 除了遵守我们的使用条款外，我们还恳请您允许我们认可您的用户身份，并在任何使用OpenCRISPR的产品进入临床或商业化阶段时通知我们。
你们是否已为OpenCRISPR申请了知识产权保护？ 是的。
如果OpenCRISPR真的是开源的，那我为什么还需要签署许可协议？ 序列可通过预印本免费获取。我们综合考虑了许多因素，力求让OpenCRISPR的获取过程尽可能简便轻便；其中最重要的是确保其伦理性和安全性。因此，如果OpenCRISPR用户希望将该分子用于商业治疗目的，我们需要他们签署一份简单的许可协议，其中包含仅用于伦理目的的义务以及其他使用条款。
许可协议具体包括什么内容？ 当前版本包含OpenCRISPR-1的蛋白序列以及兼容的人工智能生成的向导RNA，同时它也兼容经典Cas9向导RNA。
未来还会推出其他OpenCRISPR版本吗？ 敬请期待……
你们提供实验方案吗？ 请参阅我们在bioRxiv上的预印本，其中不仅提供了通用实验方案，还附带了随序列发布的说明文档。其他通用的编辑酶实验方案也应能兼容。
有没有办法与Profluent分享我使用OpenCRISPR的经验？ 我们非常欢迎关于OpenCRISPR的任何反馈，尤其是您在使用过程中发现的任何观察结果。如果您认为某些特性可以根据您的特定需求进行调整或改进，请随时联系我们！
OpenCRISPR很有趣，但我还有更多需求；Profluent还能提供什么？ 我们乐于与您合作，共同迭代并定制一款完美契合您特定治疗应用的人工智能解决方案。这包括定制基因编辑器、抗体以及更广泛的酶类。请发送邮件至partnerships@profluent.bio。
许可协议
OpenCRISPR对您的科研和商业用途均免费且公开。为确保其商业使用的伦理性和安全性，我们制定了一份简单的许可协议，其中包含仅用于伦理目的的义务及其他条款。请填写此表格，以获取相关文件及后续步骤。
引用OpenCRISPR
如果您在研究中使用了OpenCRISPR，请引用以下预印本：
@article{ruffolo2025design,
title={通过建模CRISPR--Cas序列设计高度功能性的基因组编辑器},
author={Ruffolo, Jeffrey A 和 Nayfach, Stephen 和 Gallagher, Joseph 和 Bhatnagar, Aadyot 和 Beazer, Joel 和 Hussain, Riffat 和 Russ, Jordan 和 Yip, Jennifer 和 Hill, Emily 和 Pacesa, Martin 等},
journal={Nature},
pages={1--8},
year={2025},
publisher={Nature Publishing Group UK London}
}
相似工具推荐
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上
NextChat
NextChat 是一款轻量且极速的 AI 助手，旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性，以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发，NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言，它也提供了便捷的自托管方案，支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性，原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型，让用户在一个界面即可自由切换不同 AI 能力。此外，它还率先支持 MCP（Model Context Protocol）协议，增强了上下文处理能力。针对企业用户，NextChat 提供专业版解决方案，具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能，满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。
PaddleOCR
PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。 面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。 PaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。
awesome-machine-learning
awesome-machine-learning 是一份精心整理的机器学习资源清单，汇集了全球优秀的机器学习框架、库和软件工具。面对机器学习领域技术迭代快、资源分散且难以甄选的痛点，这份清单按编程语言（如 Python、C++、Go 等）和应用场景（如计算机视觉、自然语言处理、深度学习等）进行了系统化分类，帮助使用者快速定位高质量项目。 它特别适合开发者、数据科学家及研究人员使用。无论是初学者寻找入门库，还是资深工程师对比不同语言的技术选型，都能从中获得极具价值的参考。此外，清单还延伸提供了免费书籍、在线课程、行业会议、技术博客及线下聚会等丰富资源，构建了从学习到实践的全链路支持体系。 其独特亮点在于严格的维护标准：明确标记已停止维护或长期未更新的项目，确保推荐内容的时效性与可靠性。作为机器学习领域的“导航图”，awesome-machine-learning 以开源协作的方式持续更新，旨在降低技术探索门槛，让每一位从业者都能高效地站在巨人的肩膀上创新。