メカニズム機械学習によるプライム編集結果の解釈可能で一般化可能な予測

科学分野:

• ゲノム医療
• 分子生物学
• バイオインフォマティクス

背景:

• プライム編集（PE）は、多用途なゲノムDNA修飾を提供しますが、効率的な応用のためにはプライム編集ガイドRNA（pegRNA）配列の広範な最適化が必要です。
• 現在のPE効率最適化方法は、しばしば時間とリソースを大量に消費します。

研究 の 目的:

• プライム編集効率の予測と改善のための機械学習モデル、OptiPrimeを開発すること。
• PE3およびtwinPEのような関連プライム編集バリアントの転帰予測を可能にすること。
• PE効率を高めるために、ミスマッチ修復（MMR）回避サイレント編集を特定し、ノミネートすること。

主な方法:

• プライム編集のメカニズムに基づいてトレーニングされた機械学習モデル、OptiPrimeの開発。
• PE効率、PE3、およびtwinPEの転帰を予測するOptiPrimeの精度の検証。
• 哺乳類ミスマッチ修復（MMR）決定要因に関するOptiPrimeの学習理解の評価。
• MMR回避サイレント編集をノミネートするためのOptiPrimeの適用。

主要な成果:

• OptiPrimeは、PE効率の予測において最先端の精度を達成しています。
• モデルは、PE3およびtwinPE編集システムの転帰を正常に予測しました。
• OptiPrimeは、哺乳類のMMRの決定要因を正確に学習し、MMR回避編集のノミネートを可能にしました。
• 治療的応用のため、初代ヒト細胞およびマウス細胞での有用性が実証されました。
• KIF1A関連神経疾患のマウスモデルにおける病原性変異の生体内修復を合理化し、効率的に達成しました。

結論:

• OptiPrimeは、プライム編集技術の最適化における重要な進歩を表しています。
• このモデルは、より効率的で標的を絞ったゲノム編集戦略の設計を容易にします。
• OptiPrimeは、神経疾患の生体内応用を含む、新しい遺伝子治療の開発を加速する可能性を秘めています。