より良い予測のためのより良いデータ:データキュレーションは,sgRNA/Cas9予測のためのディープラーニングを改善します.

科学分野:

• 分子生物学は分子生物学である.
• バイオインフォマティックス
• 遺伝子工学 遺伝子工学とは

背景:

• Cas9酵素と単一ガイドRNA (sgRNA) は,遺伝子工学における重要なツールであり,種特有の抗菌剤としての潜在性を示しています.
• 標的のCas9分裂の正確な予測は,標的間の活性が著しく異なるため,その抗微生物の有効性にとって極めて重要です.
• 以前の研究は,予測パフォーマンスを向上させるための新しいディープラーニングアーキテクチャに焦点を当てていた.

研究 の 目的:

• Cas9予測モデルの改善にデータ中心のアプローチの影響を調査する.
• ターゲットサイト付近の核酸配列長とフィルタリング制御の読み込み数を調整することによって,入力データのユーティリティを最適化します.
• crisprHALアーキテクチャを使用して,一般的な細菌のSpCas9予測モデルを開発する.

主な方法:

• 入力シーケンス長さの最適化,読み込み数値のデータフィルタリングなど,データ中心の戦略を考察した.
• 既存の crisprHAL ディープラーニングアーキテクチャを利用して,新しい細菌の SpCas9 予測モデル (crisprHAL Tev) を開発しました.
• データ品質の影響を評価するために,以前のEscherichia coliのCas9データセットを2つ再構築しました.

主要な成果:

• データ中心のアプローチ,特に入力最適化とフィルタリングは,Cas9予測のための入力データユーティリティを大幅に改善しました.
• 開発された crisprHAL Tev モデルは,関連する細菌種と異なるデータタイプに共通したパフォーマンスを示しました.
• E.E.を再建する. coliデータセットは,データ品質の重要な役割を強調し,バクテリアのeSpCas9予測モデルの改善につながりました.

結論:

• データ中心のアプローチは,Cas9予測モデルの性能と一般化性を高めるために不可欠です.
• crisprHAL Tevモデルは,細菌のSpCas9活性に対する予測精度を向上させ,種ごとに適用できます.
• データ品質は最重要であり,改善されたデータセットは,CRISPRベースの抗菌剤のより堅牢で信頼できる予測モデルに寄与します.