系统地比较CRISPR和shRNA屏幕以识别基本基因,使用基于图形的无监督学习模型
Yulian Ding1,2,3, Connor Denomy4, Andrew Freywald5
1Central for High-Performance Computing, Shenzhen Institute of Advanced Technology, Chinese Academy of Sciences, Shenzhen 518055, China.
Cells
|October 15, 2024
概括
通过比较RNA干扰 (shRNA) 和CRISPR查,这项研究发现shRNA对表达低的基本基因更好. 这两种方法都适用于高表达基因,这表明一种综合方法可用于全面的基本基因识别.
科学领域:
- 基因组学就是基因组学.
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 基本的基因鉴定对于理解细胞功能和开发向疗法至关重要.
- RNA干扰 (shRNA) 和CRISPR-Cas9是常见的查平台,但它们的结果往往不同.
- 这些差异引发了关于平台选择和基本基因发现的可靠性的问题.
研究的目的:
- 系统地比较shRNA和CRISPR查的性能,以确定必要的基因.
- 在大型细胞系面板中评估不同基因表达水平的平台疗效.
- 开发一种强大的方法来识别常见的和特定于细胞系的基本基因.
主要方法:
- 利用基于图形的无监督机器学习模型来预测常见的基本基因并纠正错误阳性.
- 交叉实验衍生的基本基因与预测的共同基本基因,以解释细胞系特异性.
- 使用统计分析来比较shRNA和CRISPR在识别差异表达的基本基因方面的表现.
主要成果:
- 与CRISPR相比,shRNA在识别低表达的基本基因方面表现出卓越的表现.
- 短RNA和CRISPR都有效地识别了高度表达的基本基因,但重叠程度最小,表明互补性.
- 在所有254个分析的癌症细胞系中,没有发现任何一个基因是普遍必要的.
结论:
- 建议将shRNA和CRISPR查结合起来,以全面识别高度表达的基本基因.
- 查平台的选择应考虑基因表达水平,以实现最佳的基本基因发现.
- 普遍必要的基因的缺失凸显了癌细胞依赖性的异质性.
