王永明團隊合作利用深度學(xué)習(xí)建立了最準(zhǔn)確的CRISPR gRNA效率預(yù)測工具
我院王永明課題組在Nature Communications上發(fā)表了題為“Optimized CRISPR guide RNA design for two high-fidelity Cas9 variants by deep learning”的文章。SpCas9是應(yīng)用最廣泛的CRISPR系統(tǒng)，但是它的特異性差，容易脫靶。為了克服此局限，科學(xué)家對它進行了改造，發(fā)明了多個特異性高的Cas9，其中包括SpCas9-HF1和eSpCas9（1.1）。但是由于缺少gRNA設(shè)計工具，這些改進的Cas9沒有得到廣泛應(yīng)用。
針對這一問題，王永明課題組對人全基因組8萬多個gRNA的效率進行了高通量的測量，在此基礎(chǔ)上利用深度學(xué)習(xí)的方法建立了gRNA效率的預(yù)測模型，為它們的廣泛應(yīng)用奠定了基礎(chǔ)。此外，研究人員還建立了針對SpCas9 gRNA設(shè)計的深度學(xué)習(xí)模型，與已有的模型相比，深度學(xué)習(xí)模型預(yù)測效果更好。這些模型可以在網(wǎng)站上免費使用（http://www.deephf.com）。
a. 實驗設(shè)計。針對人基因組每個基因設(shè)計4個gRNA，用芯片合成gRNA極其靶序列，連接到慢病毒載體上，轉(zhuǎn)染到表達Cas9的細(xì)胞中進行編輯。靶序列用PCR將擴增出來深度測序；b. 預(yù)測模型示意圖。深度學(xué)習(xí)與4個生物學(xué)特征結(jié)合起來預(yù)測效果最好。
王大奇博士和張成東博士是論文的共同第一作者，復(fù)旦大學(xué)的王永明教授和北京安貞醫(yī)院的蘭峰教授是該論文的共同通訊作者。
全文鏈接：https://www.nature.com/articles/s41467-019-12281-8
版權(quán)與免責(zé)聲明：本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構(gòu)成其他建議。僅提供交流平臺，不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán)，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com