CRISPR脱靶预测不再只看序列：把染色质可及性按核苷酸并入模型，跨细胞类型AUC-PR升到0.587

脱靶预测的输入不再只是sgRNA与候选位点这23个核苷酸的配对序列，染色质可及性被作为逐位信号并入基因组候选表示。 此前多数模型只建模sgRNA与23-nt候选区域的序列对，不显式建模位点所在的更广基因组环境。 在T细胞数据上训练、在K562-I、K562-II与WTC-11三套独立测试集上评估，带AlphaGenome预测ATAC-seq的版本AUC-PR为0.587、0.616、0.545，纯序列版本为0.537、0.546、0.470，最佳对比模型为0.564、0.563、0.466。

染色质信号不是拼在输出层，而是在模型内部与序列表示逐位交互。 把表观遗传汇总统计量接到已有预测器最后一层MLP的晚期融合，在Bonferroni校正的配对Wilcoxon检验下没有带来统计显著提升。 CRISCross把sgRNA与基因组候选序列分开编码，用三层交互块交替做独立Transformer编码与双向交叉注意力，交叉注意力限定在候选序列中央23个核苷酸，即sgRNA结合位点。

预训练不再依赖目标数据集自身的序列。 已有做法如CRISPert依赖数据集特定的预训练，限制了向未见sgRNA和细胞类型的泛化。 CRISPRAT从hg38参考基因组直接采样位点，按组合分布注入1到6个错配生成人工sgRNA，用掩码语言建模加R-loop自由能回归预训练；在未见过的K562-I上AUC-PR为0.783，而用T细胞数据预训练的模型为0.569。

这套模型只在人细胞的SpCas9上训练和评估，测试覆盖K562-I、K562-II与WTC-11三套独立数据集、两种细胞类型。它面向需要在缺乏专门实验数据的细胞类型中优先排序候选脱靶位点的使用者，可减少对GUIDE-seq等昂贵实验做初筛的依赖。作者把跨细胞类型表现定位为有前景的方向，而不是实验谱分析的已验证替代。

表观遗传特征虽然统计显著，但效应量小、方差大，实验测得的特征并入后提升不显著，只有AlphaGenome预测特征带来显著增益，作者据此不认为实测表观遗传信息普遍强预测。打乱ATAC轨道后性能仍高于纯序列基线，作者把这一差异归因于打乱近似一种已知能提升性能的噪声注入。GUIDE-seq未检出的位点被当作负样本，但这些只是推定负样本，可能同时影响训练监督与评估，AUC-PR可能相对未知真实标签被低估。