DTMP-prime:一个基于深度变压器的模型,用于预测主要编辑效率和PegRNA活动

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.
• 分子生物学分子生物学

背景情况:

• 主编辑 (PE) 是一种基于CRISPR的强大基因组工程技术,用于纠正突变.
• 优化主要编辑指导RNA (PegRNA) 对于实现高编辑效率至关重要.
• 准确预测PE效率和非目标效应对于临床应用至关重要.

研究的目的:

• 开发一个基于深度变压器的模型,DTMP-Prime,用于预测主要编辑效率.
• 为了促进PegRNAs和ngRNAs的合理设计,以提高主要编辑结果.
• 在基于CRISPR的基因组编辑实验中,提高非目标部位的预测准确度.

主要方法:

• 一个基于变压器的深度学习模型是使用广泛的原始编辑数据构建的.
• 提取和编码了PegRNAs和目标DNA序列的特征.
• 基于DNABERT的嵌入和多头注意力框架被整合起来,以增强预测能力.
• 模型性能使用皮尔森和斯皮尔曼相关系数进行评估.

主要成果:

• DTMP-Prime在预测主要编辑效率和结果方面表现出高准确度.
• 该模型显示,与现有的方法相比,对非目标站点的预测能力有所改善.
• DTMP-Prime在不同PE模型和细胞系中表现出强大的通用性.
• 评估证实DTMP-Prime在预测PE效率方面优于最先进的模型.

结论:

• DTMP-Prime是一个有效的工具,用于预测prime编辑效率和PegRNA活动.
• 开发的模型有助于设计精确和高效的主要编辑策略.
• 在基因组工程中,DTMP-Prime为最大限度地减少非目标突变提供了一个有希望的方法.