AI结合CRISPR精准控制基因表达(2)

该研究的一个关键目标是最大限度地提高RNA靶向CRISPR在预期靶RNA上的活性，并最小化可能对细胞产生有害副作用的其他RNA的活性。脱靶活性包括向导和靶RNA之间的不匹配以及插入和缺失突变。
RNA靶向CRISPR的早期研究仅关注靶向活性和错配;预测脱靶活性，特别是插入和缺失突变，尚未得到充分研究。在人群中，大约五分之一的突变是插入或缺失，因此这些是CRISPR设计需要考虑的潜在脱靶的重要类型。
“与Cas9等DNA靶向CRISPR类似，我们预计Cas13等RNA靶向CRISPR将在未来几年对分子生物学和生物医学应用产生巨大影响，”纽约大学生物学副教授，纽约大学格罗斯曼医学院神经科学和生理学副教授，纽约基因组中心的核心教员Neville Sanjana说， 以及该研究的共同资深作者。“准确的指南预测和脱靶识别对于这个新开发的领域和治疗方法将具有巨大的价值。
在他们在Nature Biotechnology上的研究中，Sanjana和他的同事在人类细胞中进行了一系列汇集的RNA靶向CRISPR筛选。他们测量了20万个靶向人类细胞中必需基因的向导RNA的活性，包括“完美匹配”的向导RNA和脱靶错配，插入和缺失。
Sanjana的实验室与机器学习专家David Knowles的实验室合作，设计了一个深度学习模型，他们命名为TIGER（通过引导RNA设计靶向抑制基因表达），该模型是在CRISPR筛选数据上进行训练的。通过比较深度学习模型和人类细胞实验室测试生成的预测，TIGER能够预测靶上和脱靶活性，优于以前为Cas13靶向向导设计开发的模型，并为预测RNA靶向CRISPR的脱靶活性提供了第一个工具。
“机器学习和深度学习正在展示它们在基因组学方面的优势，因为它们可以利用现代高通量实验现在可以生成的庞大数据集。重要的是，我们还能够使用"可解释的机器学习"来理解为什么该模型预测特定指南将运行良好，“哥伦比亚大学工程与应用科学学院计算机科学和系统生物学助理教授，纽约基因组中心的核心教员，该研究的共同资深作者Knowles说。
“我们早期的研究展示了如何设计可以敲低特定RNA的Cas13向导。有了TIGER，我们现在可以设计Cas13指南，在目标敲低和避免脱靶活动之间取得平衡，“该研究的共同第一作者，纽约基因组中心的资深科学家Hans-Hermann（Harm）Wessels说，他以前是Sanjana实验室的博士后研究员。