DOI: https://doi.org/10.1038/s41551-025-01463-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40738974
تاريخ النشر: 2025-07-30
المؤلف: Yuanhao Qu وآخرون
الموضوع الرئيسي: كريسبر والهندسة الوراثية
نظرة عامة
يقدم القسم CRISPR-GPT، وهو نظام متقدم لوكيل نموذج لغة كبير (LLM) مصمم لتعزيز تجارب تحرير الجينات المعتمدة على CRISPR. إدراكًا للقيود التي تواجه نماذج LLM التقليدية في معالجة التحديات البيولوجية المحددة، يدمج CRISPR-GPT قدرات التفكير لتفكيك المهام المعقدة، واتخاذ القرارات، والتعاون التفاعلي بين البشر والذكاء الاصطناعي. النظام مزود بخبرة في المجال، وتقنيات استرجاع، وأدوات خارجية، ونموذج LLM متخصص تم ضبطه بدقة من خلال المناقشات بين العلماء.
يساعد CRISPR-GPT الباحثين في جوانب مختلفة من تحرير الجينات، بما في ذلك اختيار أنظمة CRISPR، وتخطيط التجارب، وتصميم RNA الدليل، واختيار طريقة التسليم، وصياغة البروتوكولات، وتصميم الفحوصات، وتحليل البيانات. يتم إثبات فعالية CRISPR-GPT من خلال تجارب ناجحة لإسكات الجينات باستخدام CRISPR-Cas12a في خط خلية أدينوكارسينوما الرئة البشرية وتنشيط الجينات بشكل إبيجيني مع CRISPR-dCas9 في خط خلية الميلانوما البشرية. هذا يعرض قدرة CRISPR-GPT كرفيق ذكاء اصطناعي في هندسة الجينوم، مما يسهل تصميم وتحليل تجارب تحرير الجينات بشكل آلي وموجه عبر عدة أنماط.
طرق
نظام CRISPR-GPT هو وكيل مستقل مدعوم من نماذج اللغة الكبيرة (LLMs)، ويتكون من أربعة مكونات أساسية: مخطط LLM، مزود الأدوات، منفذ المهام، ووكيل مستخدم LLM. يعمل كل مكون كوكيل مدعوم من LLM متميز، مما يسهل التفاعلات متعددة الوكلاء لأداء مجموعة متنوعة من المهام باستخدام نماذج عامة مثل GPT-4o. يستخدم النظام مطالبات مصممة بعناية لتوجيه سلوك الوكيل، مع أمثلة محددة مفصلة في الملاحظة التكميلية E.
يعمل منفذ المهام كآلة حالة، مما يمكّن من تفكيك 22 مهمة إلى أهداف فرعية وتقديم إرشادات منظمة من خلال عمليات اتخاذ القرار. تشرف فئة الإدارة المركزية على الحالة الحالية، وطابور المهام، وتاريخ التنفيذ، مما يسمح بالانتقالات الحالة المتسلسلة أو الشرطية بناءً على مدخلات المستخدم ونتائج التنفيذ. يدعم الإطار كل من سير العمل المحددة مسبقًا (وضع Meta) لخطوط تحرير الجينات المعتمدة، وتسلسلات المهام التي يتم إنشاؤها ديناميكيًا (وضع Auto) بناءً على طلبات المستخدم. تعزز هذه الوظيفة ذات الوضعين المرونة والموثوقية ومعالجة الأخطاء، مما يسهل التنفيذ الآلي لمهام تحرير الجينات المعقدة.
نقاش
نظام CRISPR-GPT هو إطار متعدد الوكلاء مدفوع بالذكاء الاصطناعي مصمم لمساعدة الباحثين في تحرير الجينات من خلال أتمتة المهام المختلفة المرتبطة بتخطيط التجارب وتنفيذها. يدعم النظام أربعة أنماط رئيسية لتحرير الجينات: الإسكات، تحرير القاعدة، تحرير البرايم، والتحرير الإبيجيني. يعمل النظام من خلال ثلاثة أوضاع تفاعلية—Meta، Auto، وQ&A—مما يسمح للمستخدمين بتلقي إرشادات خطوة بخطوة، ومساعدة مخصصة، أو إجابات في الوقت الحقيقي على الاستفسارات. يتكون الهيكل من أربعة مكونات أساسية: وكيل المستخدم، مخطط LLM، منفذ المهام، ومزود الأدوات، التي تعمل معًا لتبسيط تصميم وتحليل سير عمل تحرير الجينات.
أظهرت تقييمات أداء CRISPR-GPT تفوقه على نماذج LLM العامة في تخطيط مهام تحرير الجينات، محققًا دقة وكفاءة عالية في تنفيذ المهام. من الجدير بالذكر أن النظام نجح في توجيه الباحثين المبتدئين غير المألوفين بتحرير الجينات من خلال تجارب معقدة، مما أسفر عن كفاءات تحرير عالية ونتائج بيولوجية ذات صلة. كما أن وضع Q&A، المعزز بنموذج مضبوط تم تدريبه على مناقشات علمية حقيقية، قد حسن من قدرات النظام في حل المشكلات، متفوقًا على النماذج الأساسية من حيث الدقة والملاءمة. بشكل عام، يمثل CRISPR-GPT رفيق ذكاء اصطناعي واعد للبحث العلمي، مع تطبيقات محتملة تمتد إلى ما هو أبعد من تحرير الجينات.
DOI: https://doi.org/10.1038/s41551-025-01463-z
PMID: https://pubmed.ncbi.nlm.nih.gov/40738974
Publication Date: 2025-07-30
Author(s): Yuanhao Qu et al.
Primary Topic: CRISPR and Genetic Engineering
Overview
The section presents CRISPR-GPT, an advanced large language model (LLM) agent system designed to enhance CRISPR-based gene-editing experiments. Recognizing the limitations of traditional LLMs in addressing domain-specific biological challenges, CRISPR-GPT integrates reasoning capabilities for complex task decomposition, decision-making, and interactive collaboration between humans and artificial intelligence. The system is equipped with domain expertise, retrieval techniques, external tools, and a specialized LLM fine-tuned through discussions among scientists.
CRISPR-GPT aids researchers in various aspects of gene editing, including the selection of CRISPR systems, experiment planning, guide RNA design, delivery method selection, protocol drafting, assay design, and data analysis. The effectiveness of CRISPR-GPT is demonstrated through successful gene knockout experiments using CRISPR-Cas12a in a human lung adenocarcinoma cell line and epigenetic activation of genes with CRISPR-dCas9 in a human melanoma cell line. This showcases CRISPR-GPT’s capability as an AI co-pilot in genome engineering, facilitating fully automated and guided gene-editing experiment design and analysis across multiple modalities.
Methods
The CRISPR-GPT system is an autonomous agent powered by large language models (LLMs), comprising four core components: LLM Planner, Tool Providers, Task Executors, and an LLM User-proxy agent. Each component functions as a distinct LLM-powered agent, facilitating multi-agent interactions to perform a variety of tasks using general-purpose models like GPT-4o. The system employs carefully crafted prompts to guide agent behavior, with specific examples detailed in Supplementary Note E.
The Task Executor operates as a state machine, enabling the decomposition of 22 tasks into subgoals and providing structured guidance through decision-making processes. A central management class oversees the current state, task queue, and execution history, allowing for sequential or conditional state transitions based on user input and execution results. The framework supports both predefined workflows (Meta mode) for established gene-editing pipelines and dynamically generated task sequences (Auto mode) based on user requests. This dual-mode functionality enhances flexibility, reliability, and error handling, facilitating the automated execution of complex gene-editing tasks.
Discussion
The CRISPR-GPT system is an advanced AI-driven multi-agent framework designed to assist researchers in gene editing by automating various tasks associated with experimental planning and execution. It supports four primary gene-editing modalities: knockout, base editing, prime editing, and epigenetic editing. The system operates through three interaction modes—Meta, Auto, and Q&A—allowing users to receive step-by-step guidance, customized assistance, or real-time answers to queries. The architecture comprises four core components: the User proxy, LLM planner, Task executor, and Tool provider, which work collaboratively to streamline the design and analysis of gene-editing workflows.
Performance evaluations of CRISPR-GPT demonstrated its superiority over general LLMs in planning gene-editing tasks, achieving high accuracy and efficiency in task execution. Notably, the system successfully guided junior researchers unfamiliar with gene editing through complex experiments, yielding high editing efficiencies and biologically relevant outcomes. The Q&A mode, enhanced by a fine-tuned model trained on real scientific discussions, further improved the system’s problem-solving capabilities, outperforming baseline models in accuracy and relevance. Overall, CRISPR-GPT exemplifies a promising AI co-pilot for scientific research, with potential applications extending beyond gene editing.