複数のセルタイプにおける多様なプライム編集システムの効率の予測
Goosang Yu1, Hui Kwon Kim2, Jinman Park1
1Department of Pharmacology, Yonsei University College of Medicine, Seoul 03722, Republic of Korea; Graduate School of Medical Science, Brain Korea 21 Plus Project for Medical Sciences, Yonsei University College of Medicine, Seoul 03722, Republic of Korea.
Cell
|April 29, 2023
まとめ
この研究は,プライム編集効率を予測するために,DeepPrimeとDeepPrime-FTという計算モデルを開発した. これらのツールは,最適なプライム編集ガイドRNA (pegRNA) とプライムエディタ (PE) を特定することによってプライム編集アプリケーションを加速します.
科学分野:
- 分子生物学
- バイオ情報学
- ゲノム工学
背景:
- プライム編集は強力な遺伝子編集技術です
- 現在のアプリケーションは,可変効率と広範な最適化の必要性によって制限されています.
- 最適なプライムエディティングガイドRNA (pegRNA) とプライムエディター (PE) を特定することは資源密集的です.
研究 の 目的:
- 大量のデータセットでプライム編集の効率を体系的に評価する.
- プライム編集の効率を予測する計算モデルを開発する.
- 主要な編集効率の決定要因を特定する.
主な方法:
- 338,996のペグRNA/ターゲット配列ペアをプライム編集効率のために評価した.
- 効率を予測するためのDeepPrimeとDeepPrime-FTの計算モデルを開発した.
- 不一致した目標の効率を分析し,予測モデルを開発しました.
主要な成果:
- 主要な編集効率に影響を与える要因を体系的に決定する.
- ディーププライムとディーププライム-FTは,最大3つの塩基対を編集するための7つのセルタイプで8つのプライム編集システムの効率を予測します.
- 編集効率を予測するモデルを開発した.
結論:
- 計算モデルにより,プライム編集効率の予測が大幅に向上します.
- これらのモデルは,プライム編集技術の最適化と適用を加速します.
- プライム編集の決定因子の理解が向上し,研究と治療におけるより広範な使用を容易にする.
