Nuova rete neurale per un editing del DNA più accurato

Il diagramma di sequenza UML (Unified Modeling Language) di un singolo caso d’uso di input per l’architettura GuideHOM. Innanzitutto, l’utente fornisce al modello un input tramite l’oggetto Dataset. L’oggetto Dataset fornisce al modulo di preelaborazione preselezionato una sequenza o una coppia codificata a caldo. Uno dei moduli di preelaborazione fornisce allo strato della capsula HOM l’output di preelaborazione. Lo strato della capsula HOM calcola le coordinate delle coppie gRNA/gRNA nello spazio guida, quindi invia le coordinate al processo gaussiano. Il processo gaussiano campiona le attività dalla distribuzione approssimata che ha appreso, calcola la media e la varianza, quindi invia gli output all’utente. Credito: DOI: 10.1093/nar/gkab1065

I bioinformatici russi hanno proposto una nuova architettura di rete neurale in grado di valutare quanto bene sia stato scelto un RNA guida per un esperimento di editing genetico. Il loro approccio faciliterà una modifica del DNA più efficiente con il popolare metodo CRISPR/Cas e quindi aiuterà a sviluppare nuove strategie per creare organismi geneticamente modificati e trovare modi per trattare gravi malattie ereditarie. Lo studio, sostenuto da una sovvenzione della Russian Science Foundation, è stato pubblicato nel Ricerca sugli acidi nucleici rivista.

L’editing genomico, e in particolare il metodo CRISPR/Cas, è ampiamente utilizzato in varie aree della biologia sperimentale, nonché in agricoltura e biotecnologia.

CRISPR/Cas è una delle tante armi che i batteri usano per combattere i virus. Quando si verifica l’infezione, il DNA dell’agente patogeno penetra nella cellula e, poiché le sue sequenze differiscono da quelle del batterio, le proteine ​​Cas lo riconoscono come materiale ereditario estraneo e lo scindono. Affinché il batterio risponda al virus più velocemente, la cellula immagazzina frammenti del DNA dell’agente patogeno, proprio come un antivirus per computer conserva una raccolta di firme virali, e li trasmette alle generazioni successive in modo che il suo Cas possa contrastare ulteriori attacchi.

Nel 2011-2013, team di diversi laboratori (Jennifer Doudna, Emmanuelle Charpentier e Feng Zhang negli Stati Uniti e Virginijus Šikšnys in Lituania) indipendentemente l’uno dall’altro hanno adattato il sistema CRISPR/Cas al compito di introdurre cambiamenti arbitrari nelle sequenze di DNA nelle cellule umane e animali, rendendo l’editing genomico molto più semplice ed efficiente. Gli elementi principali del sistema sono l’RNA guida, che “segna il punto”, e la proteina Cas9, che taglia il DNA in quella posizione. La cellula quindi “ripara la ferita” ma le modifiche al codice genetico sono già state apportate.

Il problema è che il targeting dell’RNA guida non è sempre preciso e può fuorviare Cas9. Trasformare la tecnologia CRISPR/Cas in uno strumento pratico di alta precisione è molto importante, soprattutto quando si tratta di interventi medici.

I ricercatori di Skoltech guidati da Konstantin Severinov hanno utilizzato il deep learning, i processi gaussiani e altri metodi per rendere più accurata la selezione degli RNA guida ottimali. Il team ha prodotto una serie di reti neurali, ovvero modelli matematici addestrabili implementati come moltiplicazione sequenziale di matrici, grandi matrici di numeri con una struttura interna complessa. Una rete neurale è in grado di apprendere perché possiede “memoria” sotto forma di numeri che vengono alterati in un modo particolare ogni volta che il sistema completa un calcolo in modalità di addestramento. Il team ha addestrato i modelli su diversi set di dati contenenti decine di migliaia di RNA guida convalidati sperimentalmente che avevano mostrato prestazioni di alta precisione nelle cellule umane e animali.

I ricercatori hanno proposto un algoritmo che stima la probabilità di scissione del DNA per un determinato RNA guida. I punteggi risultanti possono indirizzare la progettazione sperimentale per qualsiasi applicazione basata su CRISPR/Cas. Il team ha utilizzato le sue reti neurali per creare una serie di RNA guida per apportare modifiche precise ai geni del 22° cromosoma umano. Ciò è stato possibile grazie all’elevata precisione della previsione della frequenza di clivaggio e a una funzione di stima dell’incertezza di previsione, che nessuno dei metodi esistenti in precedenza ha fornito.

“I nostri risultati possono essere utilizzati per una varietà di applicazioni tecnologiche basate su CRISPR/Cas, come il trattamento delle malattie genetiche, le tecnologie agricole e gli esperimenti di ricerca di base”, ha commentato Skoltech Ph.D. studente Bogdan Kirillov, uno dei creatori del nuovo metodo e il primo autore dello studio.


Articolo precedenteI prezzi del petrolio scendono mentre la Cina taglia il primo lotto di quote di importazione per il 2022
Articolo successivoL’orfanotrofio diminuisce con l’aumento della terapia antiretrovirale dell’HIV e della circoncisione maschile