Российские ученые предложили новую архитектуру нейронной сети, которая способна предсказать, насколько точно выбрана РНК для геномного редактирования CRISPR/Cas. Разработка поможет эффективнее изменять ДНК, создавать новые подходы к получению генетически модифицированных организмов, а также к терапии тяжелых наследственных заболеваний. Статья опубликована в журнале Nucleic Acids Research.
CRISPR/Cas — наиболее популярный на сегодняшний день метод редактирования генома. Изначально эта система представляет собой способ защиты бактерий от вирусов. Она состоит из гидовой РНК, транскрибирующейся с локусов CRISPR и комплементарной ДНК патогена, и Cas-белков. Когда патоген проникает внутрь клетки, РНК узнают участки его ДНК, а Cas-белки разрезают ее, препятствуя дальнейшему размножению патогена. Около 10 лет назад ученые смогли адаптировать систему к изменению произвольных последовательностей ДНК в клетках человека и животных, сделав редактирование генома значительно проще и эффективнее. Однако гидовые РНК не всегда попадают в нужное место, что может неверно направить Cas.
Ученые из Сколтеха применили глубокое обучение, гауссовские процессы и другие методы, чтобы решить проблему более точного выбора оптимальных гидовых РНК. Результатом стал набор нейросетей, представляющих собой математические модели, реализованные в виде последовательных умножений матриц. Модели были обучены на наборах данных, содержащих десятки тысяч экспериментально подтвержденных гидовых РНК, с высокой точностью сработавших на клетках человека и других животных. Полученный алгоритм оценивает вероятности разрезания ДНК-мишеней в правильном месте для заданных гидовых РНК. На это можно ориентироваться при выборе инструмента редактирования в любой технологии, основанной на CRISPR/Cas.
«Результаты нашей работы могут быть применимы в любом приложении технологий, которые основаны на CRISPR/Cas, будь то терапия генетических заболеваний, агротехнологии или эксперименты в фундаментальных научных исследованиях», — говорит первый автор статьи Богдан Кириллов.
Подписывайтесь на InScience.News в социальных сетях: ВКонтакте, Telegram, Одноклассники.
