[论文解读] CRISPR-GPT for Agentic Automation of Gene-editing Experiments

Yuanhao Qu, Kaixuan Huang+12 more|arXiv (Cornell University)|Apr 27, 2024

CRISPR and Genetic Engineering被引用 9

一句话总结

CRISPR-GPT 是一个基于 LLM 的代理，结合领域知识与工具，自动化 CRISPR 基因编辑实验设计，支持 meta、auto 和 Q&A 模式，并具有现实世界的验证与伦理安全保护。

ABSTRACT

The introduction of genome engineering technology has transformed biomedical research, making it possible to make precise changes to genetic information. However, creating an efficient gene-editing system requires a deep understanding of CRISPR technology, and the complex experimental systems under investigation. While Large Language Models (LLMs) have shown promise in various tasks, they often lack specific knowledge and struggle to accurately solve biological design problems. In this work, we introduce CRISPR-GPT, an LLM agent augmented with domain knowledge and external tools to automate and enhance the design process of CRISPR-based gene-editing experiments. CRISPR-GPT leverages the reasoning ability of LLMs to facilitate the process of selecting CRISPR systems, designing guide RNAs, recommending cellular delivery methods, drafting protocols, and designing validation experiments to confirm editing outcomes. We showcase the potential of CRISPR-GPT for assisting non-expert researchers with gene-editing experiments from scratch and validate the agent's effectiveness in a real-world use case. Furthermore, we explore the ethical and regulatory considerations associated with automated gene-editing design, highlighting the need for responsible and transparent use of these tools. Our work aims to bridge the gap between beginner biological researchers and CRISPR genome engineering techniques, and demonstrate the potential of LLM agents in facilitating complex biological discovery tasks. The published version of this draft is available at https://www.nature.com/articles/s41551-025-01463-z.

研究动机与目标

• 通过提供一个自动化设计助手，降低初学者设计 CRISPR 实验的门槛。
• 整合领域知识、外部工具和结构化任务执行以设计 CRISPR 实验。
• 将 CRISPR-GPT 与通用 LLMs 进行比较评估，并以真实的湿实验用例进行验证。
• 在自动化基因编辑设计中考虑伦理与监管方面的问题。

提出的方法

• 以 LLM 为驱动的设计与规划引擎，包含四个核心模块：LLM 规划器、工具提供者、任务执行者和 LLM 代理。
• 基于状态机的任务执行器将任务分解为 22 个子目标，跨越 4 个预定义的元任务（meta-tasks），并能够将任务串联成完整的工作流程。
• 工具提供者封装外部 API 与工具（如 Google 网页搜索、Primer3、gRNA 库），通过用户友好的提示供 LLM 访问。
• 使用 ReAct 风格的提示，启用连锁思考推理和可行行动选择。
• 元模式、自动模式和问答模式，用于引导设计工作流和交互式查询。
• 纳入安全保护和伦理考量，包括对人用限制与数据隐私保护。

实验结果

研究问题

• RQ1 与像 ChatGPT 3.5 与 4.0 这样的通用 LLM 相比，CRISPR-GPT 在设计 CRISPR 实验方面的表现如何？
• RQ2 CRISPR-GPT 是否能帮助非专业人士创建完整、准确且简明的基因编辑设计方案？
• RQ3 整合领域知识与外部工具对设计质量和完整性有何影响？
• RQ4 自动化基因编辑设计中的安全与伦理考量有哪些，以及如何减轻这些风险？

主要发现

• CRISPR-GPT 在 Meta、Auto 和 Q&A 模式下的基因编辑设计任务中，准确性显著高于通用 LLM。
• CRISPR-GPT 展现出更好的完整性和简明答案，特别是在 Q&A 模式中。
• 人类专家在准确性、推理、完整性和简洁性方面对 CRISPR-GPT 的评分高于 ChatGPT-3.5，并在各模式中展现出具有竞争力或优越的推理能力。
• 在人体 A375 细胞系中的真实湿实验演示显示，CRISPR-GPT 指导了多基因敲除工作流，包括 gRNA 设计、递送、克隆方案和验证步骤。
• 该研究记录了伦理与安全保障，并讨论了对更复杂或罕见生物案例的局限性及潜在扩展。