用于无旁观者ABE基编辑的igRNA预测和选择AI模型 (igRNA-PS)

科学领域:

• 分子生物学分子生物学
• 生物技术是生物技术.
• 基因工程 基因工程 基因工程

背景情况:

• 克里斯普尔基编辑通常会导致多次编辑,阻碍单核酸变异 (SNV) 的精确校正.
• 现有的方法与旁观者编辑作斗争,使与疾病相关的SNVs的逆转复杂化.

研究的目的:

• 开发一种新的不完美指导RNA (igRNA) 策略,用于无旁观者单基编辑.
• 创建人工智能模型来预测igRNA性能,并为精确的基数编辑选择最佳序列.

主要方法:

• 设计和测试了大约5000个位点,使用系统设计的ABE igRNAs,使用高通量方法.
• 开发了基于深度学习的AI模型 (igRNA-PS) 来预测编辑效率,产品纯度以及识别主要的编辑站点.
• 每个位点生成和评估了64个igRNAs的集合,以确定表现最佳的基因.

主要成果:

• 在igRNA-PS模型准确地识别主要的编辑站点从旁观者近90%的准确性.
• 开发了一种修改的单基编辑效率 (SBE) 度量来预测编辑效率和产品纯度.
• 该系统为特定的编辑位置提供了优化的igRNA,促进了无旁观者基础编辑.

结论:

• 该 igRNA 编辑策略有效地实现了无旁观者单基编辑,克服了基编辑器的一个关键限制.
• 开发的AI模型为选择高性能igRNA提供了方便和高效的方法.
• 这项工作推动了精确的基因编辑,以纠正与疾病相关的SNVs.