Nat Commun.|研究人员的算法使CRISPR基因编辑更精确
当研究人员首次将CRISPR作为细菌、植物、动物和人类细胞的基因编辑技术进行设计时，它最终成为一场诺贝尔奖得主的革命。这项技术的潜力巨大，涵盖了从治疗基因处理疾病到应用于农业和工业生物技术的各个领域，但也存在挑战。
其中一个挑战是选择一个所谓的gRNA分子，这个分子的设计应该是将Cas9蛋白引导到DNA中正确的位置，在那里它将在基因编辑中进行切割。
“通常，有多个可能的grna，它们的效率并不相同。因此，面临的挑战是选择那些高效率工作的少数人，这正是我们的新方法所做的，”奥胡斯大学生物医学系副教授雍伦洛说。
新方法是根据研究人员的新数据和算法的实现发展起来的，该算法可以预测哪些grna最有效。
“通过将我们自己的数据与公开的数据结合起来，包括关于GRNA、DNA和CRISPR-CAS9蛋白之间分子相互作用的知识，我们已经成功地开发出一种更好的方法，”哥本哈根大学兽医和动物科学系的教授Jan Gorodkin说。
数据，深入学习分子相互作用
Jan Gorodkin与Giulia Corsi和Christian Anthon的研究小组与Yonglun Luo的研究小组合作，以取得新的成果。这项研究的实验部分是由罗的小组进行的，而戈罗德金的小组是计算机建模的先锋。
“在我们的研究中，我们量化了超过10000个不同位点的gRNA分子的效率。罗永伦说：“这项工作是用一种大规模的、高吞吐量的基于库的方法完成的，这在传统方法中是不可能的。”。
研究人员从一个病毒一次在一个细胞中表达gRNA和一个合成靶点的概念出发，研究数据生成。合成的靶位点与基因组中相应的靶位点具有完全相同的DNA序列。因此，这些合成目标位点被用作所谓的替代目标位点，以捕获CRISPR-Cas9的编辑效率。他们与BGI研究院Lars Bolund再生医学研究所和哈佛医学院的同事一起，为超过10000个gRNAs产生了高质量的CRISPR-Cas9活性。
利用这个已知效率从低到高的gRNAs数据集，研究人员能够构建一个模型来预测gRNAs的效率，这是以前从未见过的。
“为了训练算法变得精确，必须有一个大的数据集。利用我们的病毒库，我们获得的数据构成了训练我们的深度学习算法以预测基因编辑的gRNAs效率的完美起点。我们的新方法比目前可用的其他方法更精确。
Journal Reference:
Xi Xiang, Giulia I. Corsi, Christian Anthon, Kunli Qu, Xiaoguang Pan, Xue Liang, Peng Han, Zhanying Dong, Lijun Liu, Jiayan Zhong, Tao Ma, Jinbao Wang, Xiuqing Zhang, Hui Jiang, Fengping Xu, Xin Liu, Xun Xu, Jian Wang, Huanming Yang, Lars Bolund, George M. Church, Lin Lin, Jan Gorodkin, Yonglun Luo. Enhancing CRISPR-Cas9 gRNA efficiency prediction by data integration and deep learning. Nature Communications, 2021; 12 (1) DOI: 10.1038/s41467-021-23576-0
文章来源网络整理；如有侵权请及时联系PaperRSS小编删除，转载请注明来源。
温馨提示：
为方便PaperRSS粉丝们科研、就业等话题交流。我们根据10多个专业方向（植物、医学、药学、人工智能、化学、物理、财经管理、体育等），特建立了30个国内外博士交流群。群成员来源欧美、日韩、新加坡、清华北大、中科院等全球名校。