近日，Nature Communications發(fā)表了題為Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods的研究論文，該研究由中國科學(xué)院腦科學(xué)與智能技術(shù)卓越創(chuàng)新中心、上海腦科學(xué)與類腦研究中心研究員孫怡迪研究組與中國農(nóng)業(yè)科學(xué)院深圳農(nóng)業(yè)基因組研究所研究員左二偉研究組合作完成。該研究建立了深度學(xué)習(xí)模型的算法CGBE-SMART，該方法能夠準(zhǔn)確預(yù)測新型OPTI-CGBEs的單堿基編輯效率和編輯效果。

　　單堿基編輯技術(shù)是基于CRISPR/Cas系統(tǒng)改造發(fā)展的新型基因編輯技術(shù)，可在不引入DNA雙鏈斷裂的情況下，精確地將DNA或RNA中的一個堿基替換為另一個堿基。目前，已開發(fā)并得到廣泛應(yīng)用的堿基編輯器包括胞嘧啶堿基編輯器(cytosine base editor，CBE)及腺嘌呤堿基編輯器(adenine base editor，ABE)，但這兩種堿基編輯器只能實(shí)現(xiàn)將C·G堿基對替換為T·A堿基對(C→T)，或?qū)·T替換為G·C(A→G)。因此，CBE或ABE只能修復(fù)由C>T或者A>G導(dǎo)致的遺傳表型或疾病，而對于其他類型的單堿基突變卻束手無策。2020年，科研人員在CBE的基礎(chǔ)上，研發(fā)了能夠?qū)奏まD(zhuǎn)換為鳥嘌呤的堿基編輯器(C-to-G base editor，CGBE)。而關(guān)于CGBE編輯器的研究仍處于初步階段，對于其特異性、保真性及編輯特點(diǎn)仍需要進(jìn)一步研究。David Liu實(shí)驗(yàn)室與其合作者對CGBEs系統(tǒng)進(jìn)行改造與升級，構(gòu)建了高效的CGBEs編輯器。為能夠方便科研人員的日常研究，人工智能與基因編輯結(jié)合的愈發(fā)緊密，David Liu及Hyongbum Henry Kim等實(shí)驗(yàn)室分別建立了可預(yù)測單堿基編輯器編輯效果的BE-Hive及DeepBE等深度學(xué)習(xí)模型。

　　孫怡迪研究組與左二偉研究組通過篩選不同物種來源的UNGs、密碼子優(yōu)化和全基因組及轉(zhuǎn)錄組范圍測序，獲得了可進(jìn)行高效C到G堿基顛換以及高保真的OPTI-CGBEs。為了方便其他研究人員選擇合適的C-to-G堿基編輯器以及高效預(yù)估編輯效率，科研人員建立了預(yù)測不同C-to-G堿基編輯器編輯效果的深度學(xué)習(xí)模型CGBE-SMART(如圖)。CGBE-SMART結(jié)合了神經(jīng)網(wǎng)絡(luò)及概率圖模型，為每一個編輯位置獨(dú)立訓(xùn)練一套參數(shù)來預(yù)測該位置上的編輯效率。模型使用了大小不同的卷積核，建立一組基礎(chǔ)單元網(wǎng)絡(luò)對編輯位置周圍的堿基進(jìn)行特征提取和效率預(yù)測。研究人員將不同基礎(chǔ)單元網(wǎng)絡(luò)的預(yù)測結(jié)果用一套習(xí)得的參數(shù)進(jìn)行加權(quán)平均。模型以編輯位點(diǎn)附近的40bp作為輸入，通過神經(jīng)網(wǎng)絡(luò)預(yù)測出guide RNA結(jié)合位置1至20的編輯效率，并進(jìn)一步利用貝葉斯網(wǎng)絡(luò)預(yù)測不同編輯結(jié)果的占比(圖a)。研究人員將CGBE-SMART用在不同的CGBE編輯器的8個文庫數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)。在所有的8個數(shù)據(jù)集上，BE-SMART具有較高的預(yù)測準(zhǔn)確性(圖b)。CGBE-SMART能夠準(zhǔn)確預(yù)測C-to-G編輯效率，且與之前的預(yù)測模型相比，在預(yù)測C-to-T編輯效果中有更出色的表現(xiàn)。

　　研究人員全面優(yōu)化了CGBE堿基編輯器，獲得了高編輯效率與低脫靶的OPTI-CGBEs;通過機(jī)器學(xué)習(xí)開發(fā)了CGBE-SMART深度學(xué)習(xí)模型用于預(yù)測OPTI-CGBEs編輯結(jié)果。該研究將進(jìn)一步加速CGBE的應(yīng)用研究。研究工作得到國家自然科學(xué)基金委員會、中國農(nóng)業(yè)科學(xué)院、深圳市的資助。

　　CGBE深度學(xué)習(xí)模型方法構(gòu)建思路。a、CGBE-SMART深度學(xué)習(xí)模型示意圖;b、CGBE-SMART預(yù)測模型的設(shè)計(jì)