// AI 新闻 · 2026-11-14 · Nature
基于机器学习优化的CRISPR检测法可区分近缘RNA靶标
美国海军研究实验室团队开发了一种双通道CRISPR/Cas13a检测系统，用于区分SARS-CoV-2与十二种近缘的动物源性sarbecovirus。该系统通过两阶段机器学习流程设计引导RNA，先利用RuleFit模型筛选候选序列，再基于382个体外数据点重新训练，将靶标排除阈值从4处错配提升至6处错配。检测可对合成RNA靶标实现三分类：SARS-CoV-2、最近邻BANAL-236及其余动物源近亲。
原文发布 2026-11-14 08:00（北京时间）来源 Nature自动整理 · 已核对原文
01摘要
该方法以15–150 fM的检测限实现了对合成RNA靶标的识别，为病原体快速筛查提供了框架，能够同时识别特定病原及其最接近的变异体，但需针对新靶标系统进行本地化验证和模型再训练。
由开源模型根据原文自动整理，经数字/专名逐项核对（必须在原文中出现），以原文为准。
02要点
- 开发了双通道CRISPR/Cas13a检测系统，可区分SARS-CoV-2与十二种近缘动物源病毒。
- 采用两阶段机器学习流程设计引导RNA，将错配排除阈值从4提升至6。
- 在合成RNA靶标上实现三分类，检测限为15–150 fM。
- 系统需针对新靶标进行本地验证和模型再训练以确保适用性。
03原文出处
Nature · 发布于 2026-11-14 08:00（北京时间） · 上方为原标题
05相关新闻
出自智图 AI 新闻：从 1100 多个官方与媒体信源采集。摘要只转述原文内容，详情请看原文。 2026-11-14 全部新闻 · 按日期归档 · 全部 AI 新闻 · 今日