in

Développement de modèles prédictifs basés sur l'ARN

L’intelligence artificielle peut prédire l’activité sur et hors cible des outils CRISPR qui ciblent l’ARN au lieu de l’ADN, selon une nouvelle recherche publiée dans Character Biotechnology.

L’étude menée par des chercheurs de l’Université de New York, de Columbia Engineering et du New York Genome Centre, combine un modèle d’apprentissage en profondeur avec des écrans CRISPR pour contrôler l’expression des gènes humains de différentes manières, par exemple en appuyant sur un interrupteur pour les éteindre complètement. ou en utilisant un bouton de gradation pour réduire partiellement leur activité. Ces contrôles génétiques précis pourraient être utilisés pour développer de nouvelles thérapies basées sur CRISPR.

CRISPR est une technologie d’édition de gènes avec de nombreuses utilisations en biomédecine et au-delà, du traitement de l’anémie falciforme à la conception de feuilles de moutarde as well as savoureuses. Il fonctionne souvent en ciblant l’ADN à l’aide d’une enzyme appelée Cas9. Ces dernières années, les scientifiques ont découvert un autre form de CRISPR qui cible plutôt l’ARN à l’aide d’une enzyme appelée Cas13.

Les CRISPR ciblant l’ARN peuvent être utilisés dans un huge éventail d’applications, notamment l’édition d’ARN, la suppression d’ARN pour bloquer l’expression d’un gène particulier et le criblage à haut débit pour déterminer des candidats-médicaments prometteurs. Des chercheurs de NYU et du New York Genome Center ont créé une plate-forme pour les écrans CRISPR ciblant l’ARN à l’aide de Cas13 afin de mieux comprendre la régulation de l’ARN et d’identifier la fonction des ARN non codants. Parce que l’ARN est le principal matériel génétique des virus, y compris le SRAS-CoV-2 et la grippe, les CRISPR ciblant l’ARN sont également prometteurs pour le développement de nouvelles méthodes pour prévenir ou traiter les bacterial infections virales. De additionally, dans les cellules humaines, lorsqu’un gène est exprimé, l’une des premières étapes est la création d’ARN à partir de l’ADN du génome.

Un objectif clé de l’étude est de maximiser l’activité des CRISPR ciblant l’ARN sur l’ARN cible prévu et de minimiser l’activité sur d’autres ARN qui pourraient avoir des effets secondaires néfastes pour la cellule. L’activité hors cible comprend à la fois les mésappariements entre l’ARN manual et l’ARN cible ainsi que les mutations d’insertion et de délétion. Des études antérieures sur les CRISPR ciblant l’ARN se concentraient uniquement sur l’activité ciblée et les inadéquations  la prédiction de l’activité hors cible, en particulier les mutations d’insertion et de délétion, n’a pas été bien étudiée. Dans les populations humaines, approximativement une mutation sur cinq sont des insertions ou des délétions, il s’agit donc d’importants varieties de cibles potentielles hors cible à prendre en compte pour la conception CRISPR.

“Semblables aux CRISPR ciblant l’ADN tels que Cas9, nous prévoyons que les CRISPR ciblant l’ARN tels que Cas13 auront un effects démesuré sur la biologie moléculaire et les programs biomédicales dans les années à venir”, a déclaré Neville Sanjana, professeur agrégé de biologie à NYU, associé professeur de neurosciences et de physiologie à la NYU Grossman University of Medicine, membre principal du corps professoral du New York Genome Middle et co-auteur principal de l’étude. “La prédiction précise du information et l’identification hors cible seront d’une immense valeur pour ce domaine et cette thérapeutique en développement.”

Dans leur étude dans Mother nature Biotechnology, Sanjana et ses collègues ont effectué une série d’écrans CRISPR ciblant l’ARN regroupés dans des cellules humaines. Ils ont mesuré l’activité de 200 000 ARN guides ciblant des gènes essentiels dans les cellules humaines, y compris des ARN guides “parfaits” et des mésappariements, des insertions et des délétions hors cible.

Le laboratoire de Sanjana s’est associé au laboratoire de l’expert en apprentissage automatique David Knowles pour concevoir un modèle d’apprentissage en profondeur qu’ils ont nommé TIGER (inhibition ciblée de l’expression génique by using la conception d’ARN information) qui a été formé sur les données des écrans CRISPR. En comparant les prédictions générées par le modèle d’apprentissage en profondeur et les checks de laboratoire sur des cellules humaines, TIGER a pu prédire à la fois l’activité sur cible et hors cible, surpassant les modèles précédents développés pour la conception du guideline sur cible Cas13 et fournissant le leading outil pour prédire hors cible. -activité cible des CRISPR ciblant l’ARN.

“L’apprentissage automatique et l’apprentissage en profondeur montrent leur pressure en génomique, car or truck ils peuvent tirer parti des énormes ensembles de données qui peuvent désormais être générés par des expériences modernes à haut débit. Il est vital de noter que nous avons également pu utiliser “l’apprentissage automatique interprétable” pour comprendre pourquoi le modèle prédit qu’un guide spécifique fonctionnera bien », a déclaré Knowles, professeur adjoint d’informatique et de biologie des systèmes à Columbia Engineering, membre du corps professoral principal du New York Genome Heart et co-auteur principal de l’étude.

“Nos recherches antérieures ont montré remark concevoir des guides Cas13 capables d’inhiber un ARN particulier. Avec TIGER, nous pouvons désormais concevoir des guides Cas13 qui trouvent un équilibre entre l’inactivation ciblée et l’évitement de l’activité hors cible”, a déclaré Hans-Hermann (Damage ) Wessels, co-premier auteur de l’étude et chercheur principal au New York Genome Center, qui était auparavant boursier postdoctoral dans le laboratoire de Sanjana.

Les chercheurs ont également démontré que les prédictions hors cible de TIGER peuvent être utilisées pour moduler avec précision le dosage des gènes – la quantité d’un gène particulier qui est exprimé – en permettant une inhibition partielle de l’expression des gènes dans les cellules avec des guides de mésappariement. Cela peut être utile pour les maladies dans lesquelles il y a trop de copies d’un gène, comme le syndrome de Down, certaines formes de schizophrénie, la maladie de Charcot-Marie-Tooth (un difficulties nerveux héréditaire), ou dans les cancers où l’expression génique aberrante peut conduire à croissance tumorale incontrôlée.

“Notre modèle d’apprentissage en profondeur peut nous dire non seulement comment concevoir un ARN manual qui renverse complètement un transcrit, mais peut également le” régler “- par exemple, en le faisant produire seulement 70% du transcrit d’un gène spécifique ” a déclaré Andrew Stirn, doctorant à Columbia Engineering et au New York Genome Centre, et co-leading auteur de l’étude.

En combinant l’intelligence artificielle avec un écran CRISPR ciblant l’ARN, les chercheurs prévoient que les prédictions de TIGER aideront à éviter une activité CRISPR hors cible indésirable et à stimuler davantage le développement d’une nouvelle génération de thérapies ciblant l’ARN.

“Alors que nous collectons de as well as grands ensembles de données à partir des écrans CRISPR, les opportunités d’appliquer des modèles d’apprentissage automatique sophistiqués se développent rapidement. Nous avons la probability d’avoir le laboratoire de David à côté du nôtre pour faciliter cette merveilleuse collaboration interdisciplinaire. Et, avec TIGER, nous pouvons prédire les cibles hors cible et moduler avec précision le dosage des gènes, ce qui permet de nombreuses nouvelles apps passionnantes pour les CRISPR ciblant l’ARN pour la biomédecine », a déclaré Sanjana.

Les autres auteurs de l’étude incluent Alejandro Méndez-Mancilla et Sydney K. Hart de NYU et du New York Genome Heart, et Eric J. Kim de l’Université de Columbia. La recherche a été soutenue par des subventions des National Institutes of Well being (DP2HG010099, R01CA218668, R01GM138635), DARPA (D18AP00053), du Most cancers Analysis Institute et de la Simons Basis for Autism Investigate Initiative.