Nature Communications：研讨基于深度培训算法优化序列特同性的C

起源：脑迷信与智能技术杰出立异中间 2021-08-17 07:33

Nature Communications颁发了题为Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods的研讨论文，该研讨由中国迷信院脑迷信与智能技术杰出立异中间、上海脑迷信与类脑研讨中间研讨员孙

Nature Communications颁发了题为Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods的研讨论文，该研讨由中国迷信院脑迷信与智能技术杰出立异中间、上海脑迷信与类脑研讨中间研讨员孙怡迪研讨组与中国农业迷信院深圳农业基因组研讨所研讨员左二伟研讨组单干实现。该研讨树立了深度培训模子的算法CGBE-SMART，该办法可能精确预测新型OPTI-CGBEs的单碱基编纂效率和编纂后果。

单碱基编纂技术是基于CRISPR/Cas体系改革倒退的新型基因编纂技术，可在不引入DNA双链断裂的环境下，准确地将DNA或RNA中的一个碱基替换为另一个碱基。今朝，已开辟并获得普遍利用的碱基编纂器包含胞嘧啶碱基编纂器（cytosine base editor，CBE）及腺嘌呤碱基编纂器（adenine base editor，ABE），但这两种碱基编纂器只能完成将C·G碱基对替换为T·A碱基对（C→T），或将A·T替换为G·C（A→G）。是以，CBE或ABE只能修复由C T或许A G招致的表型或疾病，而关于其他类型的单碱基渐变却一筹莫展。2020年，科研职员在CBE的根底上，研发了可能将胞嘧啶转换为鸟嘌呤的碱基编纂器（C-to-G base editor，CGBE）。而对于CGBE编纂器的研讨仍处于初步阶段，关于其特同性、保真性及编纂特色仍必要进一步研讨。David Liu试验室与其单干者对CGBEs体系进行改革与降级，构建了高效的CGBEs编纂器。为可能不便科研职员的日常研讨，人工智能与基因编纂联合的愈发慎密，David Liu及Hyongbum Henry Kim等试验室别离树立了可预测单碱基编纂器编纂后果的BE-Hive及DeepBE等深度培训模子。

孙怡迪研讨组与左二伟研讨组通过挑选分歧物种起源的UNGs、暗码子优化和全基因组及转录组范畴测序，得到了可进行高效C到G碱基颠换以及高保真的OPTI-CGBEs。为了不便其他研讨职员选择适宜的C-to-G碱基编纂器以及高效预估编纂效率，科研职员树立了预测分歧C-to-G碱基编纂器编纂后果的深度培训模子CGBE-SMART（如图）。CGBE-SMART联合了神经网络及概率图模子，为每一个编纂地位自力训练一套参数来预测该地位上的编纂效率。模子使用了年夜小分歧的卷积核，树立一组根底单位网络对编纂地位四周的碱基进行特征提取和效率预测。研讨职员将分歧根底单位网络的预测成果用一套习得的参数进行加权均匀。模子以编纂位点邻近的40bp作为输出，通过神经网络预测出guide RNA联合地位1至20的编纂效率，并进一步应用贝叶斯网络预测分歧编纂成果的占比（图a）。研讨职员将CGBE-SMART用在分歧的CGBE编纂器的8个文库数据集长进行试验。在一切的8个数据集上，BE-SMART具备较高的预测精确性（图b）。CGBE-SMART可能精确预测C-to-G编纂效率，且与之前的预测模子相比，在预测C-to-T编纂后果中有更精彩的表示。(100yiyao.com）

版权声明 本网站一切注明“起源：100医药网”或“起源：bioon”的笔墨、图片和音视频材料，版权均属于100医药网网站一切。非经受权，任何媒体、网站或团体不得转载，不然将追究司法义务。取得书面受权转载时，须注明“起源：100医药网”。其它起源的文章系转载文章，本网一切转载文章系出于通报更多信息之目标，转载内容不代表本站态度。不愿望被转载的媒体或团体可与咱们分割，咱们将立刻进行删除处置。

87%用户都在用100医药网APP 随时浏览、评论、分享交流 请扫描二维码下载->

医药网新闻