ShieldBreaker：基于多模态大语言模型的抗CRISPR蛋白预测工具

ShieldBreaker是面向生物信息学领域的端到端Acr预测流水线，融合蛋白质序列与结构信息，支持单模态/多模态预测及Acr类型分析。它解决了传统预测方法依赖单一信息源的局限，为抗CRISPR蛋白识别提供突破性解决方案。

CRISPR-Cas系统是革命性基因编辑工具，但自然界存在的抗CRISPR蛋白（Acr）会抑制其活性，对基因编辑安全性和可控性提出挑战。准确识别Acr是计算生物学重要课题，传统方法依赖单一信息源难以捕捉复杂特征，ShieldBreaker通过多模态大语言模型带来新方案。

ShieldBreaker核心优势是结合蛋白质序列与三维结构信息，实现精准预测，提供端到端流水线及Acr类型分析功能。项目提供两种模型版本：保守版本（优化精确率，适用于假阳性敏感场景）、激进/平衡版本（用Focal Loss平衡精确率与召回率，官方推荐）。

ShieldBreaker支持两种预测模式：单模态（仅序列，FASTA输入，ProT5提取特征，效率高适合大规模筛选）；多模态（结合序列与PDB结构，捕捉构象特征，提升准确性，结构可来自实验或预测工具）。

智能功能包括Acr类型分析（识别I类/II类等抑制家族）、智能PDB过滤（仅对阳性序列做FoldSeek结构比对）、自动化流水线（一键完成流程，输出结构化CSV）。技术栈基于Python3.11+，依赖PyTorch、Transformers等，支持GPU加速与CPU回退，集成FoldSeek。部署提供Docker镜像与Conda环境，预训练模型包括ProT5和PST。

项目示例数据来自Evo1.5模型生成并经实验验证的序列，已发表于Nature期刊，确保基准测试可靠性。

ShieldBreaker代表AI在生物信息学的先进应用，对CRISPR技术在基因治疗、农业育种等领域的安全应用至关重要，为基础研究和更安全基因编辑系统开发奠定基础，多模态融合思路也为其他蛋白质功能预测提供借鉴。