1. 基本信息
| 项目 | 内容 |
|---|---|
| 名称 | prime-editing-screens-gptomics-bioskills |
| 作者/维护者 | GPTomics |
| 来源链接 | https://github.com/GPTomics/bioSkills/tree/main/crispr-screens/prime-editing-screens |
| 许可证 | MIT（数据来自 GitHub API） |
| GitHub Stars | 所属合集仓库 1,123（数据来自 GitHub API；该数字属整个 bioSkills 合集，不代表本技能个体热度） |
| Forks | 所属合集仓库 193（数据来自 GitHub API） |
| 最新版本 | 无独立版本号，随合集仓库更新，本技能路径最近一次提交时间 2026-07-25（数据来自 GitHub API） |
| 安装方式 | 克隆仓库后运行仓库自带的多 Agent 安装脚本，或手动复制该子目录到对应 skills 目录 |
2. 功能介绍与亮点
prime-editing-screens 把 pooled prime editor（PE）筛选实验的完整流程——从 pegRNA 设计到编辑结果定量——整理成一份可对话调用的分析指南，覆盖精确变异安装（不产生旁观突变）这一 PE 相较碱基编辑器的核心优势：
- pegRNA 架构与设计参数：拆解 spacer、scaffold、PBS（引物结合位点）、RTT（逆转录模板）四个组成部分，给出 PBS 长度（11-13 nt）、GC 含量（40-55%）等经验最优区间
- PRIDICT2 效率预测：整理 Mathis 2025《Nat Biotechnol》深度学习预测工具的调用方式，含单序列与批量 CSV 两种模式的可运行命令，并解释染色质开放度对预测偏差的影响
- PE2/PE3/PE3b/PEmax/PE5max 编辑器对比表：按机制、indel 率与适用场景横向比较五代 Prime Editor 化学体系，给出池化筛选场景下的选型建议
- PRIME 池化筛选方法学：整理 Ren 2023《Mol Cell》约 3,699 个 ClinVar 变异的规模化筛选方案，含慢病毒滴度、选择标记与终点测序的关键参数
- 5 类故障排查表：低效率、骨架掺入过高、RT 表达不足等按触发条件、机制、症状、修复方法四栏列出
- PE 与碱基编辑器交叉验证代码：可运行的 Python 示例，对两套正交筛选结果取交集以提高变异功能判定的置信度
亮点是把 PRIDICT2 预测值与实测染色质效应之间的落差单独成节讲透（预测 60% 效率、实测可能仅 5%），并给出 11 项可直接引用的量化阈值（pegRNA 入库效率阈值、骨架掺入上限、indel 上限等）。
3. 适用场景
所属分类：数据分析与可视化
适合需要为变异功能研究设计 pegRNA 库、在合成前用 PRIDICT2 预测编辑效率、或分析 PE 池化筛选测序结果、区分目标编辑与骨架掺入产物的生物信息学研究者与计算生物学博士生。它处于同仓库 crispresso-editing（编辑结果定量本身）与 base-editing-analysis（变异功能解读）之间，专门服务 Prime Editor 这一编辑化学体系从库设计到结果判读的完整链条。
4. 跨 Agent 兼容性
- Claude Code：原生支持——仓库自带
install-claude.sh专用安装脚本，SKILL.md 为标准 Agent Skills 格式 - Codex：原生支持——仓库自带
install-codex.sh - OpenClaw：原生支持——仓库自带
install-openclaw.sh - Hermes Agent：未验证——Hermes 官方生物信息学网关“CRISPR & Genome Engineering”类目下未见此确切名称具名收录（该类目下另有一个含义相近但不同的 prime-editing-design 条目）
5. 推荐理由
它把 Prime Editor 筛选中最容易出错的两个环节——pegRNA 设计参数选择与效率预测的可靠性边界——整理成带阈值判据的操作指南，配合 PE2 到 PE5max 五代编辑器的选型对比表与 5 类结构化故障排查，能显著降低研究者在合成前设计低效 pegRNA、或在结果判读时误判骨架掺入产物的成本。
6. 评分
| 维度 | 分数 | 说明 |
|---|---|---|
| 受欢迎程度 | 6 | Hermes 官方生物信息学网关未见此确切名称具名收录，第三方技能市场亦未见独立索引记录；所属合集仓库星数（1,123）按惯例不计入单个子技能自身热度，属默认基线档位 |
| 可用性 | 8 | SKILL.md 文档详尽，含 pegRNA 架构图解、编辑器选型对比表、11 项量化阈值表、5 类失败模式排查指南与可运行的 Python/CLI 示例；本技能路径最近一次提交为 2026-07-25（评估时不到两周前）；但完整使用需自行安装 PRIDICT2（GitHub 独立仓库）与 CRISPResso2（conda 安装）两套外部工具，非零配置直接可用 |
| 安全性 | 9 | 纯方法论参考文档与本地示例脚本，不执行任意 shell 命令、不联网外发数据、无需 API key 或凭据，MIT 许可证完全开源可审计 |
综合评分（三项均值）：7.7
7. 跟同类 Skills 相比的优势
| 对比对象 | 定位 | 与本技能的差异 |
|---|---|---|
| crispresso-editing-gptomics-bioskills | 同仓库子技能，负责 Cas9/碱基编辑器/prime 编辑器三类编辑结果的测序定量 | crispresso-editing 处理“测序读数里发生了什么编辑”的通用定量流程；prime-editing-screens 专注 Prime Editor 一种编辑化学体系，覆盖从 pegRNA 设计、效率预测到池化筛选方法学的更早期环节，两者在 PE 结果判读阶段有交集但覆盖阶段不同 |
| base-editing-analysis-gptomics-bioskills | 同仓库子技能，负责碱基编辑结果的变异功能层面解读 | base-editing-analysis 面向碱基编辑器（BE）单一编辑化学体系的下游功能解读；prime-editing-screens 面向 Prime Editor（PE）体系的上游设计与筛选方法学，两者可通过交叉验证代码互补，服务不同的编辑技术路线 |
| PRIDICT2 官方 Web 界面（pridict.it，非 agent skill） | 提供网页表单形式的单序列 pegRNA 效率预测入口 | 官方网页版仅支持逐条序列手动提交，不含批量筛选设计流程；prime-editing-screens 把编辑器选型、批量效率预测、池化筛选方法学与结果判读整合进对话式流程，并额外提供染色质效应偏差提示与故障排查 |
8. 用户评价
该技能目前在第三方平台尚无具名用户评价。
10. 安装使用方式
- Claude Code：
git clone https://github.com/GPTomics/bioSkills && cd bioSkills && ./install-claude.sh，安装后按提示选择性安装crispr-screens类目 - Codex：同仓库运行
./install-codex.sh - OpenClaw：同仓库运行
./install-openclaw.sh - 通用方式：手动将
crispr-screens/prime-editing-screens/目录复制到对应 Agent 的 skills 目录 - 安装后无需重启，在对话中直接描述 pegRNA 设计或 PE 筛选分析需求（如“帮我为这批变异设计 pegRNA 库”）即可触发
- 使用前需自行安装 PRIDICT2（
git clone https://github.com/uzh-dqbm-cmi/PRIDICT2）与 CRISPResso2（conda install -c bioconda crispresso2）
11. 注意事项
- PRIDICT2 与 CRISPResso2 均需额外安装，前者无 pip/conda 发行版需自行克隆仓库，后者仅发布在 conda 的 bioconda 频道
- PRIDICT2 效率预测仅基于序列特征，对染色质开放度较低（如异染色质区域）位点的预测值可能显著高于实测效率，技能内已给出该落差的量化提示但仍需实验验证
- 该技能只覆盖 Prime Editor 一种编辑化学体系，Cas9/碱基编辑器场景需分别参考同仓库的 hit-calling 与 base-editing-analysis
- 长 RTT 设计的多碱基编辑存在逆转录酶前进性限制，可能产生仅部分碱基安装成功的不完整编辑等位基因，技能内已给出对应故障排查建议