新的神经网络可实现更准确的 DNA 编辑

2022年1月1日整理发布：俄罗斯生物信息学家提出了一种新的神经网络架构，能够评估指导 RNA 被选择用于基因编辑实验的程度。他们的方法将通过流行的 CRISPR/Cas 方法促进更有效的 DNA 修饰，因此将有助于开发新的策略来创建转基因生物并找到治疗严重遗传性疾病的方法。该研究由俄罗斯科学基金会资助，发表在《核酸研究》杂志上。

基因组编辑，尤其是 CRISPR/Cas 方法，广泛用于实验生物学的各个领域，以及农业和生物技术。

CRISPR/Cas 是细菌用来对抗病毒的众多武器之一。当感染发生时，病原体的 DNA 会穿透细胞，并且由于其序列与细菌的序列不同，Cas 蛋白会将其识别为外来遗传物质并将其切割。为了让细菌更快地对病毒做出反应，细胞会储存病原体 DNA 的片段——就像计算机防病毒软件保存病毒特征的集合一样——并将它们传递给下一代，这样它的 Cas 就可以阻止进一步的攻击。

2011-2013 年，来自不同实验室(美国的 Jennifer Doudna、Emmanuelle Charpentier 和 Feng Zhang，以及立陶宛的 Virginijus Šikšnys)的团队相互独立地将 CRISPR/Cas 系统应用于将任意变化引入 DNA 序列的任务在人类和动物细胞中，使基因组编辑变得更加容易和高效。该系统的核心元素是“标记点”的向导 RNA 和在该位置切割 DNA 的 Cas9 蛋白。然后细胞“修补伤口”，但已经对遗传密码进行了更改。

问题是引导 RNA 靶向并不总是精确的，可能会误导 Cas9。将 CRISPR/Cas 技术转化为实用的高精度工具非常重要，尤其是在医疗干预方面。

由 Konstantin Severinov 领导的 Skoltech 研究人员使用深度学习、高斯过程和其他方法来使最佳引导 RNA 的选择更加准确。该团队制作了一组神经网络，即以矩阵的顺序乘法实现的可训练数学模型——具有复杂内部结构的大型数字数组。一个神经网络能够学习，因为它在被以一种特殊的方式在系统每次完成训练模式的计算时间改变数字的形式“记忆”。该团队在包含数万个经过实验验证的引导 RNA 的不同数据集上训练模型，这些引导 RNA 在人类和动物细胞中表现出高精度。

研究人员提出了一种算法，可以估计给定引导 RNA 的 DNA 裂解概率。由此产生的分数可以指导任何基于 CRISPR/Cas 的应用的实验设计。该团队使用其神经网络提出了一组引导 RNA，用于对人类第 22 条染色体的基因进行精确改变。这要归功于解理频率预测的高精度和预测不确定性估计特征，这是以前存在的方法都没有提供的。

“我们的发现可用于各种基于 CRISPR/Cas 的技术应用，例如遗传疾病治疗、农业技术和基础研究实验，”Skoltech 博士评论道。学生 Bogdan Kirillov 是新方法的创造者之一，也是该研究的第一作者。

标签：