Nature：用机器学习预测基因组修复结果，实现精准的无模板Cas9编辑
2018-11-11 Nature自然科研 Nature自然科研
《自然》本周在线发表的一篇论文Predictable and precise template-free CRISPR editing of pathogenic variants中报告了一种方法，可以通过机器学习对致病基因变异实现精准且可预测的编辑。这项成果为遗传疾病的研究和潜在疗法提供了新的可能性。
《自然》本周在线发表的一篇论文Predictable and precise template-free CRISPR editing of pathogenic variants中报告了一种方法，可以通过机器学习对致病基因变异实现精准且可预测的编辑。这项成果为遗传疾病的研究和潜在疗法提供了新的可能性。
Cas9介导的DNA修复产物的高通量测定有助于inDelphi模型的设计。
虽然CRISPR–Cas9彻底改变了用于研究的基因组编辑技术，但保证这项技术的准确性尤其重要。
CRISPR–Cas9基因组编辑常用DNA“模板”来确保DNA修复的准确性，或将特定的DNA序列导入基因组中。因此，缺少这些模板的DNA修复常被认为不够准确。
现在，美国布列根和妇女医院及哈佛医学院的Richard Sherwood及同事发明了一种用机器学习预测基因组修复结果的方法，实现了精准的无模板Cas9编辑。作者用一个含有近2000对Cas9向导RNA（gRNA）和人体DNA靶点的数据库，训练了一个名为“inDelphi”的机器学习模型。
经该模型识别，5-11%靶向人体基因组的Cas9 gRNA能在超过50%的情况下（被称为“精准-50”）产生单一且可预测的修复结果。inDelphi还能利用无模板Cas9编辑识别并预测出合适的致病基因变异靶标，包括一些曾被认为无法用该方法找到的靶标。
inDelphi准确地预测了几乎所有的编辑结果。
最后，作者通过实验证明，人体细胞中与Hermansky-Pudlak综合征、Menkes病以及家族性高胆固醇血症这三种疾病有关的近200种致病变异，其编辑和修复的准确性都能达到精准50的标准。
这一研究结果建立了一种实现精准、无模板基因组编辑的方法。
原始出处：
Max W. Shen, Mandana Arbab, Jonathan Y. Hsu, et al. Predictable and precise template-free CRISPR editing of pathogenic variants. Nature. Nov 7, 2018.
小提示：本篇资讯需要登录阅读，点击跳转登录
版权声明：
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Nat#
32
#Cas9#
35
#精准#
26
#机器#
34
#Cas#
27