来源：CRISPR编辑脱靶检测全基因组测序（DNA Lab Space 实验教程）| 编译：DNA Lab Space
你花了四天建库，两天测序，又熬了一天跑流程，最后拿到结果——gRNA的预测靶点一个没跑掉，但脱靶位点却少得可疑。或者反过来，脱靶列表长得像一份全基因组SNP报告，压根没法看。
这是CRISPR脱靶检测全基因组测序最让人崩溃的两种结局：漏检和误报。无论你是用GUIDE-seq、CIRCLE-seq还是直接用WGS数据扫，只要结果不对劲，问题通常不在测序仪，而在于你建库、比对或过滤的某个环节。
这篇文章按排查顺序展开，从最低级的错误到最隐蔽的坑，逐一拆解。每一条都给了判断方法、解决动作和验证路径，你直接对照自己的流程走就行。
---
第一步：快速排查低级错误
先别急着怀疑算法或测序深度。超过一半的"脱靶检测失败"，根子都在最简单的步骤上。
1. 接头污染还在基因组上。 如果你比对后发现有大量reads比对到gDNA区域但soft-clip比例超过30%，大概率是接头没切干净。解决：重新跑一次trim_galore，加`--paired --clip_R1 5 --clip_R2 5`，再比对看mapping率是否降到95%以下。
2. 参考基因组版本选错了。 hg19和hg38的差异在脱靶区域比对时会被无限放大。你比对到hg19，但gRNA设计时用的是hg38坐标，那么真正的脱靶位点可能因为你给比对软件的bed区域不在染色体上而直接被静默丢弃。解决：统一用Ensembl最新版，别信UCSC的旧坐标。
3. 比对率低到离谱但没人看。 如果BAM文件里mapping率低于70%，别碰下游工具，先查是建库还是比对参数问题。解决：用`bwa mem -t 8 -Y`重跑，`-Y`参数保留soft-clip标记，这对识别插入/缺失附近的脱靶事件至关重要。
4. 把多个样品的reads合并了。 这是最隐蔽的低级错误。你为了"提高深度"把对照和处理的BAM合并成一个文件，然后跑脱靶检测。结果就是你的"脱靶位点"全是两个样品之间的多态性位点。解决：必须保持样品独立，用`bcftools isec`对比两个样品各自的VCF，只保留处理组特异的高频变异。
做完这四项，你至少排除了80%的"假失败"。
---
第二步：分维度系统排查
如果低级错误都排除了，结果还是不对，按以下五个模块逐一过。
模块1：建库步骤——你的gDNA到底碎没碎？
现象描述：比对率正常，但脱靶位点呈"团块状"分布——几百个候选位点挤在同一条染色体的一个区域里，其他染色体几乎空白。这不叫脱靶，这叫gDNA碎片化不均。
原理说明：CRISPR脱靶检测的底层逻辑是捕获"被Cas9切断的DNA断点"。如果你的gDNA在打断环节没有被均匀片段化，那么特定染色质开放区域的DNA碎片会被过度扩增，导致断点检测结果偏向这些区域。
解决步骤：
1. 取1μg gDNA，用Agilent 2100或TapeStation跑一次电泳。看主峰大小——应该在250-350bp之间，且分布应该近似正态。
2. 如果你的打断设备是Covaris M220，参数直接用推荐值：peak power 50，duty factor 20%，cycles per burst 200，处理时间80秒。别自己改参数。
3. 打断后立即取200ng做1%琼脂糖凝胶电泳验证，看到清晰的主带且没有大片段残留才进行末端修复。
验证方法：重新建库后测序，如果脱靶位点分布均匀了，说明之前确实是打断不均。一般这一步修正后，候选脱靶位点数量会下降50%-70%。
模块2：Cas9切切活性验证——你确认真的切了？
现象描述：全基因组扫描后，连预测靶点都只检出了几个reads，脱靶位点一个没有。你开始怀疑测序深度不够——但计算一下，靶点区域深度其实覆盖到了500×以上。
原理说明：这个案例说明细胞层面的编辑效率太低，并不是检测流程有问题。很多新手拿到慢病毒转染的细胞系直接建库，却忽略了验证Cas9蛋白的可溶性、核定位信号是否完整、gRNA是否被有效转录。如果靶位点本身切割效率低于10%，脱靶信号就会被淹没在背景里。
解决步骤：
1. 转染48小时后，取100μL细胞悬液抽gDNA，用T7E1核酸内切酶实验验证靶点切割效率。如果T7E1切割效率低于30%，别继续往下了，先优化转染条件。
2. 检查gRNA的GC含量。如果gRNA的GC含量低于40%或高于70%，转录效率会断崖式下跌。建议用在线工具重新设计，控制在40-70%区间，目标区域二级结构打开。
3. 如果是核糖核蛋白（RNP）电转方式，确认Cas9蛋白与gRNA的摩尔比在1:1到1:1.5之间，电转程序用Lonza的推荐方案，不要随意替换缓冲液。
验证方法：重新进行T7E1验证，确认切割效率高于30%后，再重复建库测序。这一步往往需要你多花2-3天，但比跑一轮无效的通量测序便宜得多。
模块3：比对策略——你输给比对软件的正确位点了吗？
现象描述：脱靶检测软件报错：0个位点，或者只报了靶点本身。你检查了命令行，用的是GATK的常规参数，但忘记告诉它这是一个脱靶检测项目。
原理说明：常规比对会把reads多重比对（multimapping）的丢弃或随机分配。但CRISPR脱靶检测的核心恰恰是"寻找序列非完美匹配的基因组位置"。Cas9切割产物在脱靶位点的序列与gRNA有1-5个碱基的错配。默认比对参数要求reads比对到唯一位置，这等于主动把真实的脱靶信号扔掉了。
解决步骤：
1. 比对时用`bwa mem -a`参数，保留所有比对位置，不要用默认的`-M`标记。
2. 下游过滤时不要用MAPQ≥30的阈值，改为MAPQ≥1即可。对于PEM（paired-end mapping）方法，保留MAPQ≥5的位点足够。
3. 如果你用GATK的HaplotypeCaller，请加上`--min-base-quality-score 20`和`--min-mapping-quality 1`参数，否则碱基质量低或比对质量略低的reads会被直接滤掉。
4. 最关键一步：在脱靶检测软件的输入VCF里，必须包含所有SNP和indel，不要做硬过滤。常规WGS分析会滤掉与参考基因组不一致的位点，但脱靶检测恰恰需要这些不一致。
验证方法：用相同数据，分别用默认参数和上述参数跑一次。观察候选位点数量变化。如果从0变成了50+个候选位点，问题就定位在比对策略上。
模块4：背景噪音过滤——你的对照组真的合格吗？
现象描述：脱靶位点检出了2000多个，但用IGV肉眼一看，大部分位点的reads数在4-8个，且对照组里也有相近的reads检出。这显然是假阳性。
原理说明：你漏掉了对照组的基线信号。CRISPR编辑在细胞内会发生DNA损伤修复（NHEJ），但细胞自然状态下也会有零星的DNA断裂和修复事件。若不减去对照组的本底信号，你的脱靶列表会被假阳性淹没。
解决步骤：
1. 控制组必须做两个：不转染的细胞（测本底）和转染了无靶向gRNA的细胞（测转染操作引入的DNA损伤）。理想情况下，两个都要做。
2. 设定严格的过滤阈值：处理组reads数≥10，对照组reads数/Snakemake流程中设定的均一化后reads数≤5*——具体数值取决于你的测序深度和背景，但处理组信号至少要是对照组的2倍以上才有意义。有文献报道建议用FDR<0.05结合MACS2的callpeak结果。
3. 用`bedtools intersect`把处理组候选位点与对照组位点作差集，只保留处理组特异的reads。
验证方法：对处理后保留的候选位点进行Sanger测序验证。如果20个随机挑选的候选位点中有18个以上验证出indel，说明你过滤得干净。如果验证率低于50%，进一步收紧阈值。
模块5：测序深度与可靠性——你确定深度够了吗？
现象描述：脱靶位点列表看起来合理，但每次重复实验的结果差异很大——这次的位点和上次相比，重叠率不到50%。
原理说明：这是典型的测序深度不足导致的低重现性。CRISPR脱靶检测对测序深度的要求远高于普通变异检测。因为你在寻找的是低频等位基因（5%-30%的频率）的断点事件，且这些事件在群体中并不均一。
解决步骤：
1. 直接在命令行统计碱基覆盖深度：`samtools depth -r chr1:100-200 BAM.file | sort -k3 -n | tail -1`，检查关键位点深度。
2. 如果深度低于200×，对重点候选区域用`bcftools mpileup -d 1000 -q 30 -Q 20`重新调用变异，加大深度限制，并人工查看IGV截图验证。
3. 若一次测序成本有限，可采用两步策略：先全基因组浅扫描（20×-30×），锁定候选位点后用扩增子测序（>1000×深度）定量验证。这个方案比一次全基因组60×便宜60%。
验证方法：用同样条件再跑一次生物学重复，比较两个重复之间候选位点的重叠率。Overlap系数（Jaccard索引）大于0.7视为可靠，低于0.5说明深度不足。
---
第三步：进阶疑难问题
基础问题排查完，还有三个老大难案例，一并说清。
疑难1：Cas9蛋白浓度饱和但gRNA不稳
现象描述：靶点切割效率70%以上，但脱靶位点一旦涉及GC丰富区（>75% GC），就怎么都检测不到。
原因：gRNA与靶点DNA结合时，R环（R-loop）形成速率在GC丰富区显著降低。Cas9切不开高GC区域，脱靶信号自然为零。这不是检测问题，而是真实的编辑活性差异。
解决：改用高保真版本的Cas9（如HiFi Cas9，在N692A/M694A位点突变），它保持了高靶向性，但在高GC区域的切割效率略高。或者换成第二个gRNA，将靶点设计在高GC区域的外侧，扩大window搜索范围。
疑难2：比对结果中的嵌合reads——结构变异与脱靶混为一谈
现象描述：脱靶列表里混着一堆跨度在2kb以上的reads对，且这些reads对与gRNA序列的错配数目在5个以上。这些位点大概率是结构变异（SV）事件，不是Cas9切割位点。
原因：Cas9切割产生的断点通常集中在切割位点两侧各0-50bp的窗口内。如果你的脱靶检测算法没有限制两个配对reads的插入片段大小（insert size）分布，结构变异会溜进来。解决此问题，需要对reads对按`--min-template-length 80 --max-template-length 500`的阈值进行过滤。
解决与验证：对过滤后的候选位点做PCR验证，引物设计在断点上下游200-300bp处。如果条带大小与预期不符，说明是SV事件，直接丢。
疑难3：线粒体基因组与核基因组序列高度相似的区域
现象描述：你检测到的一个"脱靶位点"发生在细胞色素B基因（MT-CYB）区域，但这个位点同时与核基因组上的一个核粒体序列（NUMT）高度同源。
原因：线粒体基因组在进化中向核基因组转移产生了NUMT序列，这些序列在同一参考基因组中有多份拷贝。常规比对会把reads唯一地分配到MT染色体上，导致核基因组上的真实脱靶位点被忽略。
解决：比对时将MT染色体序列从参考基因组中剔除，用`bwa index`重建时直接把MT染色体的fasta文件移出——或者更简单，用`sed '/^>MT/d' genome.fa > genome.noMT.fa`然后重建索引。或者，用专属的脱靶检测工具，如CRISPRitz或Cas-OFFinder，它们对重复区域有内置过滤。
---
避坑总结+实操建议
三条核心结论：
1. 脱靶检测失败的第一排查顺序永远是：建库质量 → Cas9活性 → 比对策略 → 背景过滤 → 测序深度。别跳步。80%的故障在前两步就能找到根因。
2. 比对是所有环节里最便宜但最关键的。用默认参数跑全基因组比对来做脱靶检测，等于把好的数据扔进下水道。花5分钟改参数，比多花2万块补测更划算。
3. 没有对照组的结果，弃之如敝履。宁可少一次处理组测序，也绝对不能省对照组的预算——正确处理组与对照组的配对测序，可以过滤掉85%以上的假阳性位点。
两条日常好习惯：
- 每次建库前写一份5行的checklist：gDNA完整（检查电泳主带）、片段化后大小（2100验证）、末端修复产物浓度（Qubit>5ng/μL）、接头连接效率（qPCR，拿≥10%回收率）、空白对照（NTC）的扩增曲线。
- 操作步骤的电子版记录用电子实验记录本（ELN）全部留存，特别是每次的gRNA批号、Cas9蛋白采购日期和电转参数。三个月后你再回来看，这份记录能救你一次。
---
工具引导
如果你在gRNA设计阶段就希望降低脱靶风险，可以在设计端直接做过滤：我们平台的CRISPR gRNA设计工具内置了基于全基因组脱靶评分的gRNA排序功能，同时整合了Cas-OFFinder和MIT特异性评分。减少脱靶是上游预防的关键，这份教程可以帮你“发现”问题。但对于已经发生脱靶的位点，需要结合NCBI BLAST定位精确基因组坐标，或用Ensembl VEP对候选位点做功能注释——两者都能在你的浏览器端直接调用。
下次建库前，先花10分钟把gRNA的脱靶预测跑一遍，把评分最高的前3个gRNA留作备选。这份教程能帮你少踩90%的坑，而好的设计工具能让你大多数时候根本不用踩坑。