هوش مصنوعی فعالیت درون و خارج از هدف CRISPRهای هدف‌گیری RNA را پیش‌بینی می‌کند

بر اساس تحقیقات جدیدی که در مجله منتشر شده است، هوش مصنوعی می تواند فعالیت درون و خارج از هدف ابزارهای CRISPR را که RNA را به جای DNA هدف قرار می دهند، پیش بینی کند. بیوتکنولوژی طبیعت.

مطالعه محققان دانشگاه نیویورک، مهندسی کلمبیا و مرکز ژنوم نیویورک، یک مدل یادگیری عمیق را با صفحه نمایش CRISPR ترکیب می‌کند تا بیان ژن‌های انسانی را به روش‌های مختلف کنترل کند – مانند تکان دادن کلید چراغ برای خاموش کردن کامل آنها. یا با استفاده از یک دکمه دیمر تا حدی فعالیت آنها را کم کنید. این کنترل های ژنی دقیق می تواند برای توسعه درمان های جدید مبتنی بر CRISPR استفاده شود.

CRISPR یک فناوری ویرایش ژن با کاربردهای فراوان در زیست پزشکی و فراتر از آن، از درمان کم خونی داسی شکل گرفته تا مهندسی سبزیجات خردل خوشمزه تر است. اغلب با هدف قرار دادن DNA با استفاده از آنزیمی به نام Cas9 کار می کند. در سال های اخیر، دانشمندان نوع دیگری از CRISPR را کشف کردند که در عوض RNA را با استفاده از آنزیمی به نام Cas13 هدف قرار می دهد.

CRISPRهای هدف RNA را می توان در طیف وسیعی از کاربردها، از جمله ویرایش RNA، از بین بردن RNA برای جلوگیری از بیان یک ژن خاص، و غربالگری با توان عملیاتی بالا برای تعیین نامزدهای دارویی امیدوارکننده استفاده کرد. محققان در NYU و مرکز ژنوم نیویورک پلتفرمی را برای صفحه‌های CRISPR هدف‌گیری RNA با استفاده از Cas13 ایجاد کردند تا مقررات RNA را بهتر درک کنند و عملکرد RNA‌های غیر کدکننده را شناسایی کنند. از آنجایی که RNA ماده ژنتیکی اصلی در ویروس‌ها از جمله SARS-CoV-2 و آنفولانزا است، CRISPRهای هدف‌دار RNA نیز نویدبخش توسعه روش‌های جدید برای پیشگیری یا درمان عفونت‌های ویروسی هستند. همچنین در سلول های انسانی، زمانی که یک ژن بیان می شود، یکی از اولین مراحل، ایجاد RNA از DNA موجود در ژنوم است.

هدف اصلی این مطالعه به حداکثر رساندن فعالیت CRISPRهای هدف RNA بر روی RNA هدف مورد نظر و به حداقل رساندن فعالیت بر روی RNA های دیگر است که می تواند عوارض جانبی مضری برای سلول داشته باشد. فعالیت خارج از هدف شامل عدم تطابق بین RNA راهنما و هدف و همچنین جهش‌های درج و حذف است. مطالعات قبلی روی CRISPRهای هدف‌گیری RNA فقط بر روی فعالیت‌های هدف و عدم تطابق متمرکز بود. پیش‌بینی فعالیت خارج از هدف، به ویژه جهش‌های درج و حذف، به خوبی مورد مطالعه قرار نگرفته است. در جمعیت‌های انسانی، از هر پنج جهش، یک مورد درج یا حذف است، بنابراین اینها انواع مهمی از اهداف بالقوه برای طراحی CRISPR هستند.

مشابه CRISPRهای هدف‌گیری DNA مانند Cas9، ما پیش‌بینی می‌کنیم که CRISPRهای هدف‌گیری RNA مانند Cas13 در سال‌های آینده تأثیری بزرگ در زیست‌شناسی مولکولی و کاربردهای زیست‌پزشکی داشته باشند. پیش‌بینی راهنمای دقیق و شناسایی خارج از هدف برای این رشته و درمان جدید در حال توسعه ارزش بسیار زیادی دارد.”

نویل سانجانا، دانشیار زیست شناسی در دانشگاه نیویورک، دانشیار علوم اعصاب و فیزیولوژی در دانشکده پزشکی گروسمن نیویورک، یکی از اعضای هیئت علمی مرکز ژنوم نیویورک، و نویسنده ارشد این مطالعه

در مطالعه خود در بیوتکنولوژی طبیعتسانجانا و همکارانش مجموعه ای از غربالگری های CRISPR با هدف قرار دادن RNA را در سلول های انسانی انجام دادند. آنها فعالیت 200000 RNA راهنما را که ژن‌های ضروری را در سلول‌های انسانی هدف قرار می‌دهند، از جمله RNA‌های راهنمای «تطابق کامل» و عدم تطابق، درج‌ها و حذف‌های خارج از هدف اندازه‌گیری کردند.

آزمایشگاه سانجانا با آزمایشگاه کارشناس یادگیری ماشین دیوید نولز همکاری کرد تا یک مدل یادگیری عمیق را مهندسی کند که آن‌ها TIGER (بازداری هدفمند بیان ژن از طریق طراحی RNA راهنما) نامیده می‌شوند که بر روی داده‌های صفحه‌های CRISPR آموزش داده شده بود. با مقایسه پیش‌بینی‌های ایجاد شده توسط مدل یادگیری عمیق و آزمایش‌های آزمایشگاهی در سلول‌های انسانی، TIGER توانست هم فعالیت درون هدف و هم فعالیت خارج از هدف را پیش‌بینی کند، و از مدل‌های قبلی توسعه‌یافته برای طراحی راهنمای Cas13 روی هدف بهتر عمل کند و اولین ابزار را برای پیش‌بینی خاموش ارائه کند. فعالیت هدف CRISPRهای هدف RNA.

“یادگیری ماشین و یادگیری عمیق در حال نشان دادن قدرت خود در ژنومیک هستند، زیرا می توانند از مجموعه داده های عظیمی که اکنون می توانند توسط آزمایش های مدرن با توان تولید بالا تولید شوند، استفاده کنند. نکته مهم این است که ما همچنین توانستیم از “یادگیری ماشینی قابل تفسیر” برای درک اینکه چرا این مدل پیش‌بینی می‌کند که یک راهنمای خاص به خوبی کار خواهد کرد.

هانس هرمان (Harm) گفت: “تحقیق قبلی ما نشان داد که چگونه می‌توان راهنماهای Cas13 را طراحی کرد که می‌توانند یک RNA خاص را از بین ببرند. با TIGER، ما اکنون می‌توانیم راهنماهای Cas13 را طراحی کنیم که تعادلی بین ناک‌دان در هدف و اجتناب از فعالیت خارج از هدف برقرار کند.” ) وسلز، نویسنده اول مطالعه و دانشمند ارشد در مرکز ژنوم نیویورک، که قبلاً در آزمایشگاه سانجانا فوق دکترا بود.

محققان همچنین نشان دادند که پیش‌بینی‌های خارج از هدف TIGER را می‌توان برای تعدیل دقیق دوز ژن – مقدار یک ژن خاص که بیان می‌شود – با فعال کردن مهار نسبی بیان ژن در سلول‌هایی با راهنمای عدم تطابق استفاده کرد. این ممکن است برای بیماری‌هایی مفید باشد که در آن نسخه‌های زیادی از یک ژن وجود دارد، مانند سندرم داون، اشکال خاصی از اسکیزوفرنی، بیماری شارکو ماری توث (اختلال عصبی ارثی)، یا در سرطان‌هایی که بیان نابجای ژن می‌تواند منجر به رشد کنترل نشده تومور

“مدل یادگیری عمیق ما نه تنها می تواند به ما بگوید چگونه یک RNA راهنما طراحی کنیم که یک رونوشت را به طور کامل از بین می برد، بلکه می تواند آن را “تنظیم” کند، به عنوان مثال، تولید تنها 70 درصد از رونوشت یک ژن خاص.” اندرو استیرن، دانشجوی دکترا در مهندسی کلمبیا و مرکز ژنوم نیویورک و نویسنده اول این مطالعه گفت.

با ترکیب هوش مصنوعی با صفحه نمایش CRISPR هدف‌گیری RNA، محققان تصور می‌کنند که پیش‌بینی‌های TIGER به جلوگیری از فعالیت نامطلوب CRISPR خارج از هدف و توسعه نسل جدیدی از درمان‌های هدف‌گیری RNA کمک می‌کند.

با جمع آوری مجموعه داده های بزرگتر از صفحه های CRISPR، فرصت ها برای استفاده از مدل های یادگیری ماشینی پیچیده به سرعت در حال افزایش است. ما خوش شانس هستیم که آزمایشگاه دیوید را در کنار آزمایشگاه خود داریم تا این همکاری فوق العاده و بین رشته ای را تسهیل کنیم. و با TIGER، می توانیم سانجانا گفت: پیش‌بینی اهداف خارج از هدف و تعدیل دقیق دوز ژن که بسیاری از کاربردهای جدید و هیجان‌انگیز را برای CRISPRهای هدف‌گیری RNA برای زیست‌پزشکی ممکن می‌سازد.

نویسندگان دیگر مطالعه عبارتند از: الخاندرو مندز-مانسیلا و سیدنی کی هارت از دانشگاه نیویورک و مرکز ژنوم نیویورک و اریک جی کیم از دانشگاه کلمبیا. این تحقیق با کمک های مالی از مؤسسه ملی بهداشت (DP2HG010099، R01CA218668، R01GM138635)، دارپا (D18AP00053)، مؤسسه تحقیقات سرطان، و بنیاد سیمونز برای ابتکار تحقیقات اوتیسم حمایت شد.