CRISPRLearner, el sistema presentado en este documento, hace posible predecir la eficiencia de clivaje en el objetivo (también llamada eficiencia de eliminación en el objetivo) de una secuencia dada de sgRNA, especificando el genoma objetivo para el cual esta secuencia está diseñada. Después de la predicción de eficiencia, el investigador puede evaluar su secuencia y diseñar una nueva si la eficiencia predicha es baja. CRISPRLearner utiliza una red neuronal convolucional profunda para aprender automáticamente los determinantes de secuencia y predecir la eficiencia, utilizando modelos pre-entrenados o un modelo entrenado en un conjunto de datos personalizado. La red neuronal convolucional utiliza regresión lineal para predecir la eficiencia basada en las eficiencias utilizadas para entrenar el modelo. Se entrenaron diez modelos diferentes utilizando diez conjuntos de datos genéticos diferentes. La tarea de predicción de eficiencia alcanzó una correlación de Spearman promedio superior a 0.40. Este resultado se obtuvo utilizando una técnica de aumento de datos que genera mutaciones de una secuencia de sgRNA, manteniendo el valor de eficiencia. CRISPRLearner apoya a los investigadores en la tarea de diseño de sgRNA, prediciendo la eficiencia de eliminación en el objetivo de un sgRNA.