结合机器学习和多重复合,现场分析来设计细胞类型和行为特异性

科学领域:

• 神经科学是一个神经科学.
• 遗传学 是一个遗传学.
• 生物工程是生物工程.

背景情况:

• 精确控制神经回路对于理解和治疗神经系统疾病至关重要.
• 发现基因表达的细胞特异增强剂是具有挑战性的,因为体内成功率低和物种特异活性.
• 目前的方法缺乏空间细节,并与像腺相关病毒 (AAVs) 这样的复杂病毒载体作斗争.

研究的目的:

• 为了加速发现细胞向增强剂的背脊髓,一个关键区域的疼痛和处理.
• 开发一个集成的平台,结合机器学习,模块化AAV组装和现场查以发现增强器.
• 为了实现增强剂的空间分辨,多重体的体内选.

主要方法:

• 开发了ESCargoT (货物转录的工程特异性),这是一个端到端的增强器发现平台.
• 利用跨物种染色质可访问性数据来训练机器学习模型,以预测特定细胞类型中的增强剂活性.
• 创建了一个空间并行报告员测试 (SPRA),集成金门组件与多重现场选,用于增强器-AAV库的并行分析.

主要成果:

• 成功识别和验证了向激发性背部角神经元的增强剂,从而逆转了机械代.
• 证明能够在体内同时选27种增强剂的库,准包括寡细胞和背角神经元亚型在内的多种细胞类型.
• 经过验证的增强剂准Exc-LMO3和Exc-SKOR2神经元,其中一种被证明可以阻止化学感.
• 展示了跨物种的适用性,在小鼠中发挥作用的类衍生增强剂.

结论:

• ESCargoT平台显著加速了用于神经电路操纵的细胞特异增强剂的发现.
• 空间分辨,多重化体内查对于识别功能增强剂是有效的.
• 这种方法有助于开发新的细胞向工具和治疗疼痛和症的基因疗法.