crRNA Design - Cas12a(Cpf1)

crRNA

crRNA Design - Cas12a(Cpf1)

在浏览器中完成目标序列输入、参数配置与候选点位筛选的全流程。无需安装本地客户端,省去环境部署,专注实验设计本身。

Input Sequence

建议在桌面端使用,以获得完整参数配置体验。

产品简介

crRNA Design 是一款面向 CRISPR/Cas12a(Cpf1) 的在线设计工具,可根据目标序列自动筛选、评分并排序候选 crRNA(Guide RNA) 位点。

基于 CHOPCHOP 算法能力构建,无需安装本地软件或配置命令行环境,即可在线完成参数设置、任务提交、结果分析与历史记录管理。

支持 PAM识别、Guide长度设置、GC含量分析、自互补分析及脱靶风险评估,帮助研究人员快速获得可用于实验验证的候选 crRNA。

  • 自动设计 crRNA

    根据目标序列自动搜索并筛选 Cas12a(Cpf1) 可用靶点。

  • 智能评分与排序

    结合 GC 含量、自互补性及脱靶风险等指标进行综合评价。

  • 在线任务管理

    支持任务提交、状态追踪及历史结果管理。

  • 无需本地部署

    浏览器直接使用,无需安装或配置 Python 环境。

How to use?

STEP 1

输入目标序列(粘贴 FASTA 或上传文件)。

STEP 2

按实验需求设置Options / Advanced Setting / Background Check参数。

STEP 3

点击“开始设计”,系统将提交任务并自动计算。

STEP 4

任务完成后在新标签查看结果,并下载完整文件。

参数详情

Cpf1 Setting

  • crRNA length without PAM

    设置 crRNA 长度(不含 PAM),影响候选扫描窗口和位点数量。

  • 5'-PAM

    指定 PAM 模式;当选择 Non-standard 时,可输入自定义 PAM。

  • Efficiency score

    设置效率评分模型,用于对候选进行活性相关排序。

  • Check for self-complementarity

    是否启用自互补检查;开启后会过滤结构风险较高的候选。

  • Check for complementarity versus backbone

    是否检查与 backbone 的互补风险。

  • Standard backbone

    使用标准 backbone 模板进行互补性评估。

  • Extended backbone

    使用扩展 backbone 模板进行更严格评估。

  • Custom backbone

    使用自定义 backbone 序列进行评估;选择后需输入自定义序列。

Input

  • Input Sequence

    输入待设计的目标序列(支持 FASTA 文本)。若文本输入与上传文件同时存在,系统优先使用文本输入。

  • Upload FASTA File

    当序列较长或来源于外部文件时使用,建议上传标准 .fa/.fasta/.txt 文件。系统会提取有效序列进行后续分析。

General

  • Target specific region of gene

    指定搜索区域(如 CODING / WHOLE / PROMOTER / ONLY TARGET EXON(S) 等),决定候选 crRNA 的扫描范围。

  • Upstream / Downstream(Promoter 模式)

    当目标区域为 Promoter 时,分别定义 TSS 上游与下游的搜索范围。

  • Exon(Only target exon(s))

    当仅筛选特定外显子时使用,用于限制候选位点落在指定 exon。

  • Restrict targeting

    限制候选搜索边界或范围,用于控制搜索区域大小与结果数量。

  • Isoform consensus determined by

    设置 isoform 共识策略(如交集/并集思路),影响多转录本的候选保留方式。

  • Pre-filtering

    候选初筛参数集合,用于在早期快速淘汰低质量位点。

  • GC content range (Minimum / Maximum)

    限定候选 GC 含量区间;过低可能影响结合稳定性,过高可能增加结构风险。

  • Self-complementarity maximum

    限制自互补上限,减少潜在发卡结构或自配对风险。

  • Color scoring ignore one off-target without mismatches

    用于结果展示评分策略的控制项,影响可视化评分呈现。

  • Displayed flanking sequence length

    设置结果中上下游展示长度,便于人工查看位点上下文。

Primers Options

  • Design primers

    是否在 crRNA 候选基础上同时设计引物。开启后计算更完整,但耗时通常增加。

  • Product size (From / To)

    限制扩增产物长度范围,用于控制实验可操作性与检测稳定性。

  • Primer size (From / To / Optimal)

    设置引物长度范围与最优值,用于平衡特异性与扩增效率。

  • Primer Tm (From / To / Optimal)

    设置引物熔解温度区间与最优值,用于提升扩增条件匹配度。

  • Minimum distance from primer to target site

    设置引物与目标位点的最小距离,避免位点过近影响扩增与解释性。

计算原理

STEP 1

输入与预处理

01服务接收目标序列(文本粘贴或 FASTA 上传)。
02统一序列格式(去空行、合并换行、标准化大小写),提取有效目标序列用于计算。
03执行基础校验:字符合法性、长度上限;不通过则直接返回错误并终止任务。

STEP 2

参数装配与任务建模

01读取用户参数:目标区域(如 CODING/WHOLE/PROMOTER/TARGETEXON)、guide 长度、PAM、GC 区间、自互补阈值等。
02根据参数构建候选搜索规则与过滤规则。
03若开启引物设计,同时装配引物约束(产物长度、引物长度、Tm 范围)。

STEP 3

候选位点扫描(初筛)

01按 PAM + guide 长度在目标区域滑窗扫描,生成候选位点。
02对明显不符合基础条件的位点进行初筛淘汰。
03得到初始候选集合;若为空,通常表现为“无可用位点(No target sites)”。

STEP 4

候选过滤与质量评估

01执行 GC 过滤:候选 GC 必须落在用户设定区间内。
02执行自互补相关过滤:超出阈值的候选淘汰。
03若提供 backbone 信息,会结合背景做更贴近实际场景的评估。

STEP 5

脱靶检索与综合排序

01对保留候选执行脱靶相关检索,统计潜在非目标命中情况。
02按错配层级等指标评估候选风险。
03结合评分模型输出排序结果,形成可直接筛选的候选列表。

STEP 6

可选引物设计

01当开启引物功能时,系统对候选位点执行引物设计。
02根据产物长度、引物长度、Tm 等约束生成引物方案。
03输出候选结果 + 引物相关结果(计算耗时通常增加)。

STEP 7

结果产出与历史留存

01系统输出主结果与细节数据,供用户查看与二次筛选。
02任务状态按“排队 -> 运行 -> 完成/失败/超时”推进。
03保留任务历史,便于复盘参数与结果差异,支持后续调参迭代。

项目引用说明

项目:CHOPCHOPv2 - Apache License 2.0

项目地址:https://bitbucket.org/valenlab/chopchop/src/master/

FAQ

Q1:支持哪些序列输入方式?

支持两种:直接粘贴序列,或上传 FASTA 文件。

Q2:多条序列会怎样处理?

当前流程会使用第一条有效序列进行计算。

Q3:为什么提示序列不合法?

常见原因:序列中包含非法字符(如 N、特殊符号),或格式中混入无效内容。

Q4:为什么提示序列过长?

输入序列超过系统允许上限。建议截取目标分析区域后再提交。

Q5:大小写有影响吗?

没有。系统会统一转换和标准化。

Q6:为什么我明明上传了文件还是报错?

通常是文件内容格式不符合要求,或文件中没有可识别的有效序列。

Q7:什么情况下需要开引物设计?

当你已经有满意候选、准备进入实验验证阶段时再开启更合适。

Q8:刚开始不会调参,建议怎么填?

先用“宽松参数”拿到候选,再逐步收紧提高特异性。

Q9:提交后显示成功,是已经算完了吗?

不是。那表示任务提交成功,系统正在排队或计算。

Q10:为什么有时候等待时间很长?

因为系统按队列执行;多人同时使用时,你的任务可能先排队。

Q11:什么样的任务更容易慢?

常见包括:目标区域很大、筛选组合复杂、同时开启引物设计。

Q12:为什么会超时?

任务在限定时间内未完成(参数过重或范围过大时更常见)。

Q13:超时后还能继续看结果吗?

超时通常表示任务被终止,不会继续产出完整结果。建议调参后重跑。

Q14:刷新页面会影响后台计算吗?

通常不会。任务在服务器端继续执行。

Q15:为什么会出现“没有可用位点(No target sites)”?

常见原因:PAM + guide 长度 + GC + 自互补过滤组合过严、目标区域太小、序列本身可选位点有限。

Q16:结果太少怎么办?

可尝试:放宽 GC 区间、适度减小 guide 长度、放宽自互补过滤、扩大目标区域。

Q17:结果太多怎么办?

可尝试:收窄 GC 区间、提高过滤严格度、限定更具体目标区域、后续只保留高分候选。

Q18:失败任务还有必要保留吗?

有必要。失败记录有助于回看参数组合并快速调整下一轮。

Q19:同一序列多次提交结果会完全一致吗?

在参数一致、算法与数据库版本一致的前提下通常一致;参数改动会显著影响结果。

Q20:结果中该优先看什么?

建议先看候选排序与脱靶相关指标,再结合实验目标筛选。

Q21:GC 区间怎么设更稳妥?

先从中等范围开始,若结果不足再逐步放宽;若特异性不足再逐步收紧。

Q22:Guide Size 越长越好吗?

不一定。更长可能更严格但候选减少。应在“可用候选数量”和“特异性”之间平衡。

Q23:PAM 该怎么选?

按你的体系/工具要求选择。PAM 越严格,候选通常越少。

Q24:backbone 必须填吗?

不是必须。若你有明确载体信息,填写通常更贴近真实场景。

Q25:为什么我改了一个参数,结果变化很大?

这些参数是联动的,尤其是 PAM、guide 长度、GC、过滤阈值,会共同影响可用候选数量。

Q26:怎样比较两次结果?

保持同一序列,单次只改一个关键参数,最容易定位影响来源。

Q27:如何提高复现性?

固定输入序列、固定参数模板、保留每次运行记录。

Q28:建议的使用流程是什么?

先宽松拿候选 -> 再收紧提特异性 -> 最后开引物设计做验证准备。

Q29:什么时候应该重跑而不是继续看当前结果?

当出现 No target sites、超时、或结果明显不满足实验要求时,优先重跑并调参。

Q30:我不确定失败原因,最快怎么排查?

按顺序检查:1. 序列是否合法;2. 序列是否过长;3. 参数是否过严;4. 是否开启了较重计算(如引物设计);5. 适度放宽后再试。

专家在线1V1 免费解答

我们很乐意帮助您回答复杂的研究问题,以便于您专注于实验。

01

Chat with us

wechat微信咨询
发送邮件至:info@ezassay.com

02

电话咨询

周一至周五 8:00-17:00

+86 19925271988

提交信息后我们会尽快联系你