PRIME EDITING, MEET TABULAR AI

让每一次编辑,
有更好的起点。

从一段目标序列出发,生成 pegRNA 候选,
用表格基础模型探索编辑效率。

免登录使用 · 自动保存任务 · 随时回来继续

YOUR NEXT DISCOVERY
A
T
G
C
01 / TARGET EDITDNA
GCT AGG A → C TGA CCT
02 / DESIGN SPACEpegRNA
GACCTGCTAGGTCAGT01
AGGTCAGCTAGACCTG02
CTAGACCTGAGTCAAG03
EXPLORE. COMPARE. DISCOVER.↗
序列设计流程示意
THE FOUNDATION

序列设计 + 上下文学习

LimiX2Coming soonTabPFN↗

A CLEAR PATH FORWARD

把复杂的设计,
变成清楚的下一步。

候选生成、模型评分与结果导出,
在一个连贯的工作空间里完成。

01

标记你想改变的位置

输入目标 DNA,用简单的括号标记替换、插入或删除。PBS 与 RTT 长度可按实验需求调整。

… ACGT (A/G) TGCA …
02

展开候选,交给模型比较

从符合 NGG 规则的位点生成 pegRNA,提取 73 列序列特征。模型结合参考实验记录预测 HeLa 场景下的编辑效率。

03

带走结果,继续研究

查看序列和排序,下载完整候选表与运行记录。任务自动保存,刷新页面即可找回进度。

BUILT ON RESEARCH

每一个分数,
都有来处。

走进方法与实现 →

PrimeTab 将 prime editing 的序列信息整理为表格,再通过相关实验记录为基础模型提供上下文,让候选比较有据可循。

73原始序列特征
1,000每条候选的参考记录
16HeLa 目标细胞记录

当前在线流程聚焦 PE2-NGG 与 HeLa。模型输出用于科研中的候选比较,实际编辑效率需要实验验证。云端接口的模型版本与历史实验可能不同。

YOUR SEQUENCE. YOUR NEXT STEP.

一个好想法,从这里开始。

打开 Playground ↗