Crispr-SGRU:使用堆叠的BIGRU预测CRISPR/Cas9非目标活动与不匹配和indels的预测

科学领域:

• 基因组学就是基因组学.
• 生物信息学是一种生物信息学.
• 计算生物学 计算生物学

背景情况:

• 克里斯普尔/卡斯9基因组编辑被广泛使用,但受到非目标效应的限制.
• 预测非目标活动,特别是插入/删除 (indels),仍然是一个挑战.
• 现有的深度学习方法在目标外预测中与数据不平衡和可解释性作斗争.

研究的目的:

• 开发一种新的深度学习框架,Crispr-SGRU,用于准确预测CRISPR/Cas9非目标活动.
• 应对预测涉及不匹配和indels的非目标效应的挑战.
• 为了提高目标外预测模型的准确性,稳定性和可解释性.

主要方法:

• 开发了Crispr-SGRU,这是一个使用Inception和堆叠BiGRU架构的深度学习框架.
• 采用子损失函数来有效处理非目标数据集中的数据不平衡问题.
• 使用深度SHAP和知识蒸技术研究了模型的解释性.

主要成果:

• 在目标外预测准确性和稳定性方面,Crispr-SGRU在现有方法中表现优越.
• 该模型成功预测了涉及不匹配和indels的非目标活动.
• 解释性分析揭示了对影响非目标活动的序列模式的有意义的见解.

结论:

• 克里斯普-SGRU提供了一种先进的解决方案,用于预测CRISPR/Cas9的脱效应,包括indels.
• 该框架有效地解决了数据不平衡问题,并提高了预测的解释性.
• 这项工作有助于基因组编辑技术的更安全,更精确的临床应用.