NatureCommunications:新型基因编辑技术可准确预测单碱基编辑效果

最近,Nature Communications 发表了一篇题为“机器学习方法可预测序列上下文偏好的 C-to-G 碱基编辑器优化”的研究论文。研究中心研究员孙一迪课题组和中国农业科学院深圳农业基因组研究所研究员左尔伟课题组完成了工作。本研究建立了深度学习模型算法CGBE-SMART,可以准确预测新型OPTI-CGBEs的单碱基编辑效率和编辑效果。

单碱基编辑技术是基于CRISPR/Cas系统改造开发的一种新型基因编辑技术,可以在不引入DNA双链断裂的情况下,将DNA或RNA中的一个碱基精确替换为另一个碱基。目前已开发并广泛使用的碱基编辑器包括胞嘧啶碱基编辑器(CBE)和腺嘌呤碱基编辑器(ABE),但这两种碱基编辑器只能用T·A碱基对代替C·G碱基对( C→T),或将 A·T 替换为 G·C (A→G)。因此,CBE或ABE只能修复由C>T或A>G引起的遗传表型或疾病,而对其他类型的单碱基突变无用。2020年,研究人员在CBE的基础上,开发了一种C-to-G碱基编辑器(CGBE),可以将胞嘧啶转化为鸟嘌呤。CGBE编辑器的研究还处于初步阶段,其特异性、保真度和编辑特性需要进一步研究。David Liu 的实验室和他的合作者对 CGBEs 系统进行了改造和升级,以构建一个高效的 CGBEs 编辑器。为了方便研究人员的日常研究,人工智能与基因编辑的结合越来越紧密。David Liu 和 Hyongbum Henry Kim 等实验室已经建立了 BE-Hive 和 DeepBE 等深度学习方法,可以预测单碱基编辑器的编辑效果。模型。人工智能与基因编辑的结合越来越紧密。David Liu 和 Hyongbum Henry Kim 等实验室已经建立了 BE-Hive 和 DeepBE 等深度学习方法,可以预测单碱基编辑器的编辑效果。模型。人工智能与基因编辑的结合越来越紧密。David Liu 和 Hyongbum Henry Kim 等实验室已经建立了 BE-Hive 和 DeepBE 等深度学习方法,可以预测单碱基编辑器的编辑效果。模型。

孙一迪课题组和左二伟课题组通过筛选不同物种的UNGs、密码子优化、全基因组和全转录组测序,获得了具有高效C-to-G碱基转换和高保真度的OPTI-CGBE。为了方便其他研究人员选择合适的 C-to-G 碱基编辑器并高效估计编辑效率,研究人员建立了深度学习模型 CGBE-SMART 来预测不同 C-to-G 碱基编辑器的编辑效果(如图片)。CGBE-SMART结合神经网络和概率图形模型,为每个编辑位置独立训练一组参数c语言实现神经网络算法,预测该位置的编辑效率。该模型使用不同大小的卷积核建立一组基本单元网络,对编辑位置周围的碱基进行特征提取和效率预测。研究人员使用具有一组学习参数的不同基本单元网络的预测的加权平均值。该模型以编辑位点附近的 40 bp 作为输入,通过神经网络预测指导 RNA 结合位点 1 到 20 的编辑效率,进一步利用贝叶斯网络预测不同编辑结果的比例(图 a)。研究人员在来自不同 CGBE 编辑器的八个图书馆数据集上对 CGBE-SMART 进行了实验。在所有 8 个数据集上,BE-SMART 具有很高的预测精度(图 b)。CGBE-SMART可以准确预测C到G的编辑效率c语言实现神经网络算法

图片[1]-NatureCommunications:新型基因编辑技术可准确预测单碱基编辑效果-老王博客

研究人员对CGBE碱基编辑器进行了全面优化,获得了编辑效率高、脱靶率低的OPTI-CGBE;通过机器学习开发了CGBE-SMART深度学习模型来预测OPTI-CGBE的编辑结果。该研究将进一步加速CGBE的应用研究。该研究工作得到了国家自然科学基金委、中国农业科学院和深圳市的资助。

CGBE深度学习模型方法构建思路。一种。CGBE-SMART深度学习模型示意图;湾。CGBE-SMART预测模型设计

© 版权声明
THE END
喜欢就支持一下吧
点赞0
分享
评论 抢沙发

请登录后发表评论