相关实验视频
Updated: Jul 6, 2025

CIRCLE-Seq for Interrogation of Off-Target Gene Editing
Published on: November 1, 2024
可解释的神经架构搜索和转移学习,以了解CRISPR-Cas9的非目标酶反应
Zijun Zhang1, Adam R Lamson2, Michael Shelley3,4
1Division of Artificial Intelligence in Medicine, Cedars-Sinai Medical Center, Los Angeles, CA, USA.
Elektrum是一个新的深度学习框架,可以模拟生化系统并预测反应速率. 它通过准确预测CRISPR-Cas9非目标效应,增强了对细胞过程和疾病的理解.
科学领域:
- 生物化学 生物化学
- 计算生物学 计算生物学
- 基因组学就是基因组学.
背景情况:
- 酶途径对于细胞功能至关重要,但它们的失调会导致疾病.
- 难以开发复杂的生物化学途径的预测和可解释模型.
- 了解细胞和基因组背景是建模这些途径的关键.
研究的目的:
- 介绍Elektrum,这是一个深度学习框架,用于生物化学系统的数据驱动和生物物理可解释的动力模型.
- 解决复杂的酶途径及其细胞/基因组背景的建模方面的挑战.
- 改善反应速率和体内结果的预测.
主要方法:
- 假设使用体内运动测试来预测反应速率的动态解释神经网络 (KINNs).
- 通过将KINNs集成到更深层次的卷积神经网络中,就业转移学习.
- 对反应依赖的体内结果进行微调预测.
主要成果:
- Elektrum在预测CRISPR-Cas9非目标编辑概率方面表现得更好.
- 该框架有效地规范神经网络架构.
- 保持模型的物理解释性.
结论:
- Elektrum为模拟生化动力学提供了一种强大的方法.
- 该框架提高了系统生物学中的深度学习模型的可解释性和预测准确性.
- Elektrum对了解疾病机制和开发基因编辑工具具有重要意义.
更多相关视频
11:37Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution
Published on: February 26, 2019
14:46Efficient Generation of hiPSC Neural Lineage Specific Knockin Reporters Using the CRISPR/Cas9 and Cas9 Double Nickase System
Published on: May 28, 2015
相关概念视频
CRISPR
CRISPR and crRNAs
The CRISPR-Cas system stores a copy of foreign DNA in the host genome and uses it to identify the foreign DNA upon reinfection. CRISPR-Cas has three different...
Homologous Recombination
Conservative Site-specific Recombination and Phase Variation
The recognition sites for Cre recombinase called LoxP...