Исследователи из Цюрихского университета разработали новый инструмент, который использует искусственный интеллект для прогнозирования эффективности различных вариантов восстановления генома. Таким образом, можно уменьшить количество непреднамеренных ошибок при коррекции мутаций ДНК генетических заболеваний.
Технологии редактирования генома открывают большие возможности для лечения генетических заболеваний . Такие методы, как широко используемые генные ножницы CRISPR/Cas9, непосредственно воздействуют на причину заболевания в ДНК. Ножницы используются в лаборатории для целенаправленных модификаций генетического материала клеточных линий и модельных организмов, а также для изучения биологических процессов.
Дальнейшее развитие этого классического метода CRISPR/Cas9 называется первичным редактированием. В отличие от обычных генных ножниц, которые создают разрывы в обеих цепях молекулы ДНК, первичное редактирование разрезает и восстанавливает ДНК только на одной цепи. Основная направляющая РНК для редактирования (пегРНК) точно нацеливается на соответствующий участок генома и предоставляет новую генетическую информацию, которая затем транскрибируется «трансляционным ферментом» и включается в ДНК.
Поиск наиболее эффективных вариантов репарации ДНК
Первичное редактирование обещает стать эффективным методом исправления вызывающих болезни мутаций в геномах пациентов. Однако, когда дело доходит до его успешного применения, важно свести к минимуму непреднамеренные побочные эффекты, такие как ошибки в коррекции ДНК или изменение ДНК в другом месте генома. Согласно первоначальным исследованиям, первичное редактирование приводит к значительно меньшему количеству непреднамеренных изменений, чем обычные подходы CRISPR/Cas9.
Однако в настоящее время исследователям все еще приходится тратить значительное количество времени на оптимизацию pegRNA для конкретной мишени в геноме. «Существует более 200 возможностей репарации на одну мутацию. Теоретически нам придется каждый раз тестировать каждый вариант конструкции, чтобы найти наиболее эффективную и точную пегРНК», — говорит Джеральд Шванк, профессор Института фармакологии и токсикологии Университета Нью-Йорка. Цюрих (УЖ).
Анализ большого набора данных с помощью ИИ
Шванку и его исследовательской группе нужно было найти более простое решение. Вместе с Майклом Краутхаммером, профессором UZH кафедры количественной биомедицины, и его командой они разработали метод, который может прогнозировать эффективность пегРНК. Протестировав более 100 000 различных пегРНК в клетках человека , они смогли создать исчерпывающий набор данных для первичного редактирования. Это позволило им определить, какие свойства пегРНК, такие как длина последовательности ДНК, последовательность строительных блоков ДНК или форма молекулы ДНК, положительно или отрицательно влияют на процесс первичного редактирования.
Впоследствии команда разработала алгоритм на основе ИИ для распознавания паттернов в пегРНК, имеющих отношение к эффективности. На основе этих паттернов обученный инструмент может прогнозировать как эффективность, так и точность редактирования генома с помощью конкретной пегРНК. «Другими словами, алгоритм может определить наиболее эффективную пегРНК для исправления конкретной мутации», — говорит Майкл Краутхаммер. Инструмент уже успешно протестирован на клетках человека и мыши и находится в свободном доступе для исследователей.
По-прежнему необходимы дальнейшие доклинические исследования, прежде чем новый основной инструмент редактирования можно будет использовать на людях. Однако исследователи уверены, что в обозримом будущем можно будет использовать первичное редактирование для исправления мутаций ДНК распространенных наследственных заболеваний, таких как серповидно-клеточная анемия , муковисцидоз или метаболические заболевания.
