为多个高效的数据库编辑器提供了一个全面的基准,具有广泛的准范围
Xiaofeng Wang1,2,3,4, Xiaolong Cheng5,6, Zexu Li1,2,3,4
1Key Laboratory of Bioresource Research and Development of Liaoning Province, College of Life and Health Sciences, Northeastern University, Shenyang, 110819, China.
bioRxiv : the preprint server for biology
|January 7, 2025
概括
这项研究开发了一种深度学习模型,BEEP,用于预测基因编辑器 (BE) 基因编辑效率. 通过BEEP,可以精确地准与疾病相关的变异,包括以前认为无法编辑的变异.
科学领域:
- 分子生物学分子生物学
- 遗传学 是一个遗传学.
- 生物信息学是一种生物信息学.
背景情况:
- 为特定的基因编辑目标选择最佳基因编辑器 (BEs) 和指导RNA (gRNAs) 具有挑战性,因为工具包不断扩展.
- 了解BE编辑资料和属性对于高效准确的基因改造至关重要.
研究的目的:
- 构建和评估一套全面的腺因和细胞因基编辑器.
- 为基础编辑效率和结果构建一个预测模型.
- 实验验证用于疾病相关变体的基准编辑器的使用,并探索大规模变体建模.
主要方法:
- 构建了10个高活性腺因和细胞因基编辑器.
- 评估了34,040种基编辑器-gRNA-标组合,使用长标和切片 gRNA.
- 开发了一个深度学习模型 (BEEP) 来预测编辑效率和结果.
- 在3,558个与疾病相关的单核酸变体 (SNV) 上,实验验验证了基准编辑器的性能.
主要成果:
- 在测试的基准编辑器中观察到广泛的非正规的原始空间相邻图案 (PAM).
- BEEP准确地预测了编辑效率和结果,使得以前"不可编辑"的网站可以被定位.
- 成功安装了3,558个与疾病相关的SNV,其中20.1%缺乏正规的PAM.
- 预测的候选基编辑器-gRNA-目标组合为1,752,651个ClinVar SNVs.
- 已确定与癌症相关的SNV与黑色素瘤中BRAF抑制剂耐药性相关.
结论:
- 开发的基础编辑器和BEEP模型为查询功能性SNV提供了强大的资源.
- 这种方法扩大了基础编辑的范围,使以前无法访问的目标可编辑.
- 一个免费访问的网络服务器帮助研究人员选择最佳基因编辑器和基因编辑应用的gRNA.
