Статья представляет BARCS — новый статистический метод, расширяющий бета-биномиальную модель условного общего количества библиотеки до регрессии на уровне направляющих РНК с произвольной матрицей дизайна. Это позволяет напрямую оценивать эффекты времени, ковариат и взаимодействий в продольных, донор-скорректированных и факторных CRISPR-скринингах, которые ранее анализировались только попарными сравнениями. В четырех повторных Cas13-скринингах добавление промежуточной временной точки незначительно улучшило восстановление essential-генов. При применении единого правила масштабирования нецелевых контролей BARCS, MAGeCK-MLE, edgeR-QL, DESeq2 и limma-voom показали схожую калибровку, но четыре альтернативы ранжировали essential-гены сильнее, чем BARCS. В упорядоченном скрининге IL2RA с бинами донор-скорректированный BARCS выявил больше подтвержденных регуляторов при меньшем числе вызовов, чем MAGeCK-MLE, однако перекрестно подобранные контроли выявили избыточную значимость на уровне направляющих. Симуляции показали выигрыш от умерения дисперсии и знаменателей на основе контролей, но также выявили чувствительность к выбору знаменателя и существенные ошибки на уровне генов, связанные с агрегацией коррелированных направляющих. Внешний аудит, вызванный опасениями о ложных открытиях, показал, что заявленное число нулевых открытий для CB2 исчезло при восстановлении полных итогов библиотеки, что скорректировало один результат, но не опровергло более широкую проблему калибровки. BARCS вносит вклад в виде многофакторного расширения модели и четкого описания границ применимости: коэффициенты на уровне направляющих поддерживаются независимыми биологическими библиотеками, тогда как сводки на уровне генов и дизайны с разделенными бинами требуют корреляционно-осознанной агрегации или совместного моделирования, которое текущая реализация предоставляет диагностически, а не генеративно. Работа важна для биоинформатики и анализа данных CRISPR-скринингов, где точная статистическая обработка критична для надежных выводов.