基准测试深度学习方法用于预测CRISPR/Cas9 sgRNA在目标上和目标之外的活动.
Guishan Zhang1, Ye Luo1, Xianhua Dai2,3
1College of Engineering, Shantou University, Shantou 515063, China.
Briefings in bioinformatics
|September 29, 2023
概括
深度学习模型擅长预测CRISPR/Cas9单向导RNA (sgRNA) 在目标上和目标之外的编辑,特别是在较大的数据集中. 在非目标预测的不平衡数据集上的性能需要进一步改进.
科学领域:
- 基因组学和分子生物学
- 生物信息学和计算生物学
背景情况:
- 克里斯普尔/卡斯9基因编辑依赖于有效的单向导RNA (sgRNA) 设计,以获得特异性和效率.
- 深度学习方法在预测 sgRNA 目标活动和非目标突变方面表现出有希望.
研究的目的:
- 系统地审查和评估基于深度学习的方法,用于预测CRISPR/Cas9系统中的sgRNA在目标上和目标之外的活动.
- 在各种数据集大小中比较主流的目标预测器的性能.
- 在不平衡的数据集上评估非目标预测方法的有效性.
主要方法:
- 进行了基于深度学习的sgRNA预测方法的系统调查.
- 在9个公共数据集上评估了10个主流的目标预测因素.
- 在12个公共数据集中比较了8种目标外预测方法,其不平衡比率各不相同.
主要成果:
- 深度学习的目标预测器通常在大型和中等规模的数据集上表现更好,而不是在小型数据集上.
- 大多数非目标预测方法在平衡的数据集上表现良好.
- 对于对中度和严重不平衡数据集的目标外预测存在显著的改进空间.
结论:
- 本综述提供了关于CRISPR/Cas9 sgRNA活动预测现状的全面见解.
- 确定了深度学习模型开发中需要改进的领域,用于在目标上和目标之外的预测.
- 强调需要强大的方法,可以处理在非目标分析中不平衡的数据集.


