Digenome-seq

Digenome-seq（Digested Genome Sequencing的缩写）是一种全基因组范围内检测CRISPR-Cas9系统脱靶效应的体外方法。该方法由韩国基础科学研究院（IBS）的科学家于2015年首次报道（Kim et al., 2015）。其核心原理是模拟CRISPR-Cas9复合物对提取的基因组DNA进行体外切割，结合高通量测序技术，直接鉴定出所有可能的切割位点，从而评估基因编辑系统的特异性。Digenome-seq不依赖于细胞内的DNA修复机制，避免了细胞环境对脱靶检测的干扰，因此能够提供更直接的脱靶谱分析。 ADFASDFAF23RQ23R

体外切割反应

将纯化的基因组DNA与Cas9核酸酶及特定的向导RNA（gRNA）在体外缓冲液中混合，Cas9-gRNA复合物识别并切割与gRNA互补的DNA序列，包括完全匹配的目标位点（on-target）以及部分匹配的潜在脱靶位点（off-target）。由于基因组DNA处于裸露状态，无染色质结构保护，因此所有可接近的PAM（原型间隔序列邻近基序）序列均可被切割。

背景去除与信号增强

切割后的DNA片段末端具有Cas9介导的平末端或粘性末端。通过使用lambda外切酶等处理，线性DNA从切割末端逐步降解，而环状或未切割的DNA保持完整，从而富集切割片段。这一步骤显著降低了未切割背景DNA的干扰，提高了检测灵敏度。 ADFASDFAF23RQ23R

文库构建与测序

经酶解处理后的DNA片段进行末端修复、A加尾和接头连接，构建测序文库。采用高通量测序平台（如Illumina HiSeq）进行双端测序，获得数百万条短读长序列。 ADSFAEQWER353423413434

数据分析

测序数据首先与参考基因组比对，筛选出具有一致性切割特征（如特定长度的缺失或剪切位点）的序列。通过统计每个候选位点的切割频率和序列特征，定义显著切割位点。与目标位点相比，脱靶位点的切割效率通常较低，但通过严格的统计阈值可有效识别。 ADSFAEQWER353423413434

优势

• 全基因组覆盖：无需预先设定候选位点，可发现意外脱靶位点。
• 高灵敏度：可检测到低至0.1%切割频率的脱靶事件。
• 无细胞依赖性：避免细胞类型、染色质状态等生物干扰，结果更具重复性。
• 定量性：切割频率可反映gRNA与靶标之间的相对亲和力。

局限性

• 体外条件与体内差异：细胞内的染色质结构可能影响实际切割效率，体外高切割位点不一定在体内出现。
• 需要高深度测序：为检测低频事件，测序成本相对较高。
• 无法检测未切割修复事件：某些脱靶可能发生但不导致双链断裂，如单链切口。

基因编辑安全性评估

Digenome-seq广泛应用于CRISPR-Cas9及其衍生工具（如Cas12a、Cas13）的脱靶分析，指导优化gRNA设计和变体酶（如eSpCas9、SpCas9-HF1）的改造。例如，在临床前基因治疗中，通过Digenome-seq筛选低脱靶的gRNA，降低潜在致癌风险。

基础研究

用于解析Cas蛋白的PAM识别机制、gRNA的容忍度以及DNA损伤修复途径。例如，结合Digenome-seq和DNA修复缺陷细胞系，可研究非同源末端连接（NHEJ）和同源重组修复（HDR）的偏好性。 ADFASDFAF23RQ23R

临床前验证

在干细胞或动物模型中，Digenome-seq可用于验证编辑细胞的安全性，为临床试验提供必需数据。例如，在针对β-地中海贫血的BCL11A增强子编辑项目中，Digenome-seq确认了gRNA的高度特异性。

ADSFAEQWER353423413434

自2015年首次报道后，Digenome-seq经历多次改进：Digenome-seq v1（Kim et al., 2015）利用外切酶富集线性DNA；Digenome-seq v2（Kim et al., 2018）引入Cas9 nickase变异体，减少非特异性切割；Digenome-seq v3结合UMI（唯一分子标识符）降低PCR偏差，提升定量准确性。此外，整合机器学习的分析流程提高了脱靶预测的精度。

ADFASDFAF23RQ23R

Digenome-seq作为全基因组脱靶检测的黄金标准之一，在基因编辑工具的特异性评估中扮演关键角色。未来，随着长读长测序技术普及和单分子检测灵敏度提升，Digenome-seq可能实现更精准的脱靶谱分析，并扩展应用于基因调控、表观编辑等新兴领域中。同时，结合人工智能算法将进一步提升脱靶预测的效率，推动基因编辑疗法安全进入临床。

ADSFAEQWER353423413434

• Kim, D., Bae, S., Park, J., Kim, E., Kim, S., Yu, H. R., ... & Kim, J. S. (2015). Digenome-seq: genome-wide profiling of CRISPR-Cas9 off-target effects in human cells. Nature methods, 12(3), 237-243.
• Kim, D., Kim, S., Kim, S., Park, J., & Kim, J. S. (2018). Genome-wide target specificities of CRISPR RNA-guided programmable deaminases. Nature biotechnology, 36(11), 1061-1069.
• Kim, D., & Kim, J. S. (2018). DIGENOME-SEQ: genome-wide profiling of CRISPR/Cas9 off-target effects in human cells. Nature protocols, 13(3), 509-521.
• Tsai, S. Q., Zheng, Z., Nguyen, N. T., Liebers, M., Topkar, V. V., Thapar, V., ... & Joung, J. K. (2015). GUIDE-seq enables genome-wide profiling of off-target cleavage by CRISPR-Cas nucleases. Nature biotechnology, 33(2), 187-197.
• Ran, F. A., Cong, L., Yan, W. X., Scott, D. A., Gootenberg, J. S., Kriz, A. J., ... & Zhang, F. (2015). In vivo genome editing using Staphylococcus aureus Cas9. Nature, 520(7546), 186-191.
• 李青, 张勇. (2020). CRISPR-Cas9脱靶效应的检测方法及其应用. 生物工程学报, 36(9), 1745-1758.
• 王磊, 刘宏. (2017). 新一代基因编辑技术的脱靶检测与安全性评估. 遗传, 39(5), 362-372.