Μονάδες
1. Εισαγωγή στην Τεχνητή Νοημοσύνη στη Μοριακή Βιολογία και τη Γενετική: Ρόλοι, Όρια, Επικύρωση, Ηθική και Απόρρητο 2. Ανάλυση αλληλουχίας DNA/RNA: ευθυγράμμιση, μοτίβο, ανοιχτό πλαίσιο ανάγνωσης και βασική βιοπληροφορική 3. Ερμηνεία παραλλαγής: Παθογένεια κατά VCF, Ονομασία HGVS και Κριτήρια ACMG 4. Δομή πρωτεΐνης και AlphaFold: Πρόβλεψη δομής ανάγνωσης, βαθμολογίες εμπιστοσύνης και επικύρωση 5. Υποστήριξη σχεδίασης CRISPR: επιλογή gRNA, αποτέλεσμα εκτός στόχου και πειραματική επικύρωση 6. Ανάλυση δεδομένων Omics: RNA-seq, Έκφραση, Στατιστικά και Εμπλουτισμός Διαδρομών 7. Ανασκόπηση βιβλιογραφίας και επιστημονική γραφή: Επαλήθευση πηγής και κίνδυνος ψευδών παραπομπών 8. Κλινική Ερμηνεία: Αναφορά, Έγκριση Εμπειρογνώμονα, Επικύρωση και Όρια 9. Η πειθαρχία της ψευδαίσθησης και της πιστοποίησης ταυτότητας: Φτιαγμένα γονίδια, ακολουθίες, παραλλαγές και αποδόσεις 10. Δεοντολογία, Ιδιωτικό Απόρρητο και Προστασία Δεδομένων: Ειδική Ευθύνη Γενετικών Δεδομένων 11. Περίπτωση από άκρη σε άκρη: Ταξίδι παραλλαγής από την ανακάλυψη στην κλινική αναφορά
Μονάδα 5 / 11

Υποστήριξη σχεδίασης CRISPR: επιλογή gRNA, αποτέλεσμα εκτός στόχου και πειραματική επικύρωση

Κέρδη:

  • Ικανότητα κατανόησης των εννοιών CRISPR, gRNA (οδηγός RNA), PAM και εφέ εκτός στόχου και η τεχνητή νοημοσύνη παράγει μια ασφαλή λίστα υποψηφίων gRNA και κώδικα σχεδίασης
  • Δυνατότητα προσωπικής επαλήθευσης υποψηφίων gRNA που δίνονται από την τεχνητή νοημοσύνη με εξειδικευμένα εργαλεία ανάλυσης εκτός στόχου και ευθυγράμμιση γονιδιώματος
  • Ικανότητα αποδοχής ορίων ηθικής/βιοασφάλειας και ότι ο σχεδιασμός δεν πρέπει να υλοποιείται χωρίς εργαστηριακή επαλήθευση

Το CRISPR-Cas9 (ένα σύστημα επεξεργασίας γονιδίων προσαρμοσμένο από βακτήρια για να κόβει και να επεξεργάζεται DNA σε ένα στοχευμένο σημείο) έχει μεταμορφώσει τη μοριακή βιολογία: είναι πλέον δυνατό να αλλάξει με ακρίβεια ένα συγκεκριμένο σημείο σε ένα γονίδιο. Αλλά αυτή η δύναμη είναι αδίστακτη έναντι των σφαλμάτων σχεδιασμού: ένα λανθασμένα επιλεγμένο οδηγό RNA (gRNA — η σύντομη αλληλουχία RNA που κατευθύνει το ένζυμο Cas στον στόχο) μπορεί να κόψει το λάθος γονίδιο ή να κάνει ακούσιες περικοπές εκτός στόχου. Σε αυτή την ενότητα, θα μάθετε πώς να χρησιμοποιείτε την τεχνητή νοημοσύνη (AI) ως βοηθό στο σχεδιασμό CRISPR, δημιουργώντας ένα σχέδιο, γράφοντας κώδικα και εξηγώντας επιλογές. αλλά θα μάθετε γιατί πρέπει να επικυρώνετε την επιλογή gRNA και την ανάλυση εκτός στόχου με εξειδικευμένα εργαλεία και πειραματικά.

Κρίσιμη προειδοποίηση: Μην ζητάτε απευθείας από το AI «δώστε μου την αλληλουχία gRNA για αυτό το γονίδιο» και μην χρησιμοποιήσετε την εισερχόμενη αλληλουχία ως έχει. Το LLM μπορεί να αποδώσει ένα gRNA που δεν ταιριάζει με τον κανόνα PAM (παρακάτω) ή που ταιριάζει αλλού στο γονιδίωμα ή ακόμα και ένα εντελώς κατασκευασμένο gRNA. Ο σωστός τρόπος: Καθιέρωση στρατηγικής σχεδιασμού με AI, δημιουργία και βαθμολόγηση υποψηφίων με ειδικά εργαλεία σχεδιασμού CRISPR (όπως CRISPOR, CHOPCHOP) και πειραματική επαλήθευση τους.

Βασικές έννοιες

  • Cas9: Ένζυμο (μοριακό ψαλίδι) που κόβει το DNA. Δημιουργεί ένα σπάσιμο διπλού κλώνου όπου κατευθύνει το gRNA.
  • gRNA / sgRNA: Ένας οδηγός περίπου 20 νουκλεοτιδίων που ταιριάζει με το DNA στόχο και μεταφέρει εκεί το Cas9.
  • PAM (Protospacer Adjacent Motif): Μια σύντομη ακολουθία που πρέπει να βρίσκεται ακριβώς δίπλα στον στόχο για να κόψει το Cas9. Για το SpCas9 συνήθως "NGG" (Ν είναι οποιαδήποτε βάση).
  • Αποτελεσματικότητα επί του στόχου: πόσο αποτελεσματικά κόβει το gRNA στον στόχο (μετρούμενο με βαθμολογία πρόβλεψης).
  • Εκτός στόχου: το gRNA δεσμεύει και κόβει άλλα σημεία του γονιδιώματος που μοιάζουν με τον στόχο. ανεπιθύμητη και επικίνδυνη.
  • HDR / NHEJ: Μονοπάτια επιδιόρθωσης κυττάρων μετά την κοπή. Το NHEJ αφήνει γενικά μικρά indel, το HDR κάνει ακριβείς αλλαγές σε ένα πρότυπο.

Βήμα προς βήμα: Ροή σχεδίασης CRISPR με τη βοήθεια AI

1. Αποσαφηνίστε τον στόχο και το σκοπό. Ποιο γονίδιο, ποιο εξόνιο, τι είδους αλλαγή (νοκ άουτ ή διόρθωση ακριβείας); Ασφαλής έκδοση και μεταγραφή γονιδιώματος.

2. Αποκτήστε τη σειρά από αξιόπιστη πηγή. Κάντε λήψη της ακολουθίας περιοχής προορισμού από το Ensembl/NCBI. Μην αναγκάζετε την τεχνητή νοημοσύνη να την απομνημονεύει.

3. Δημιουργήστε υποψήφια gRNA με προσαρμοσμένο εργαλείο. Εργαλεία όπως το CRISPOR/CHOPCHOP ελέγχουν για PAM, παρέχουν βαθμολογίες επί του στόχου και αναζητούν εκτός στόχων σε όλο το γονιδίωμα. Χρησιμοποιήστε AI για να ερμηνεύσετε την έξοδο αυτών των εργαλείων.

4. Πάρτε τον κίνδυνο εκτός στόχου στα σοβαρά. Εξάλειψη υποψηφίων με υψηλές βαθμολογίες εκτός στόχου. Επιβεβαιώστε με πολλά εργαλεία σε κρίσιμες εφαρμογές.

5. Σχεδιάστε την πειραματική επικύρωση. Επιβεβαιώστε με πείραμα (αλληλουχία, T7E1, αλληλουχία αμπλικονίου) εάν το επιλεγμένο gRNA κόβει πραγματικά τον στόχο (και εκτός στόχου). Η βαθμολογία του σχεδιασμού είναι εκτίμηση, όχι απόδειξη.

Συμβουλή: Πριν χρησιμοποιήσετε ένα υποψήφιο gRNA, BLAST την αλληλουχία του ενάντια στο γονιδίωμα για να δείτε πού ταιριάζει ακριβώς ή στενά εκτός από τον στόχο. Αυτό το βήμα από μόνο του εξαλείφει νωρίς τους πιο επικίνδυνους υποψηφίους εκτός στόχου.

τρεις μίνι θήκες

Περίπτωση 1 — gRNA χωρίς PAM. Ένας μαθητής ζήτησε από το AI gRNA ένα γονίδιο και έλαβε μια λογική αλληλουχία 20 νουκλεοτιδίων. Ωστόσο, δεν υπήρχε NGG PAM κοντά στον στόχο. Έτσι το Cas9 δεν μπορούσε να κόψει εκεί. Όταν ο μαθητής μπήκε στην περιοχή στο CRISPOR, είδε ότι το εργαλείο πρότεινε έγκυρους υποψηφίους με PAM. Εάν χρησιμοποιούταν η ακολουθία του AI, το πείραμα θα αποτύγχανε εντελώς.

Περίπτωση 2 — Μυστικό εκτός στόχου. Σε έναν ερευνητή άρεσε ένα gRNA «υψηλής αποτελεσματικότητας» που προτάθηκε από την τεχνητή νοημοσύνη. Όταν έτρεξε το CRISPOR για να ελέγξει για εκτός στόχου, διαπίστωσε ότι το gRNA ταίριαζε μόνο με 1 διαφορά βάσης σε ένα άλλο γονίδιο - ένας σοβαρός κίνδυνος εκτός στόχου. Ο υποψήφιος αποκλείστηκε. Χωρίς αριθμητική ανάλυση εκτός στόχου, ένα ανεπιθύμητο γονίδιο θα μπορούσε να αποκοπεί.

Περίπτωση 3 — Επιβεβαίωση. Ένα εργαστήριο συνέθεσε τρία υποψήφια gRNA και τα εξέτασε σε κύτταρα. Με την αλληλουχία του αμπλικονίου, διαπίστωσε ότι μόνο το ένα είχε πάνω από 60% επεξεργασία (indels), ενώ τα άλλα δύο είχαν λιγότερο από 5%. Οι βαθμολογίες σχεδιασμού έδειξαν και τα τρία ως "καλά". Η πειραματική επαλήθευση αποκάλυψε τη διαφορά μεταξύ πρόβλεψης και πραγματικότητας.

Παράδειγμα: Έλεγχος PAM του υποψηφίου gRNA

Εισαγωγή re# Λάβετε την ακολουθία περιοχής προορισμού από το Ensembl/NCBI. Μην κάνετε το AI να το απομνημονεύσει. στόχος = "GACGTTGCATCGGATCCTAAGGCTTACGGTAGCTAGCTAGGCTAAGG"# 20 nt protospacer + NGG PAM αναζήτηση για SpCas9 (τελική λωρίδα + σκέλος)για m στο re.finditer(r"(?=([ACGT]{20})([ACGT)pacer, target =GT] m.group(1), m.group(2) print(f"Position {m.start()+1}: gRNA={protospacer} PAM={pam}")

Αυτό θα περιλαμβάνει μόνο υποψηφίους με έγκυρο PAM. Απαιτούνται όμως ειδικά εργαλεία για δραστηριότητα εντός και εκτός στόχου. Αυτός ο κώδικας είναι ένα προκαταρκτικό εργαλείο ελέγχου και όχι το πλήρες σχέδιο.

Τέσσερα πρότυπα με δυνατότητα αντιγραφής

1) Στρατηγική σχεδίασης (χωρίς παραγωγή σειράς):

Ο ρόλος σας: Βοηθός σχεδίασης CRISPR. Καθορίστε μια στρατηγική σχεδίασης για:[γονίδιο, εξόνιο, νοκ-άουτ/διόρθωση ακριβείας, έκδοση γονιδιώματος, μεταγραφή]. Ποιο συγκεκριμένο εργαλείο (CRISPOR/CHOPCHOP) με ποιες ρυθμίσεις πρέπει να χρησιμοποιήσω, ποιες βαθμολογίες (στον στόχο, εκτός στόχου) πρέπει να κοιτάξω, πείτε μου βήμα προς βήμα. Δημιουργία της αλληλουχίας gRNA SEN. Θα το παράγω από το όχημα.

2) Ερμηνεία εκτός στόχου:

Εξηγήστε πώς πρέπει να διαβάσω τις στήλες εκτός στόχου στην έξοδο CRISPOR: τι σημαίνουν η βαθμολογία του MIT, η βαθμολογία CFD, ο αριθμός αναντιστοιχιών, σε ποια όρια πρέπει να εξαλείψω έναν υποψήφιο; Διαφέρουν τα όρια στις κλινικές και ερευνητικές εφαρμογές;

3) Πειραματικό σχέδιο επαλήθευσης:

Πώς μπορώ να επαληθεύσω πειραματικά ότι το gRNA που έχω επιλέξει και κόβει στο στόχο και δεν στοχεύει; T7E1, εξηγήστε την αλληλουχία (βαθιά) αλληλουχίας και τον έλεγχο του σχεδιασμού βήμα προς βήμα, συμπεριλαμβανομένων των στοιχείων ελέγχου που θα τεθούν.

4) Κωδικός προεπιλογής PAM/πλαισίου:

Γράψτε έναν κώδικα Python που βρίσκει όλους τους υποψήφιους πρωτοδιαστήματα 20 nt για SpCas9 (NGG PAM) και στις δύο έλικες στη δεδομένη ακολουθία στόχο. Αναφορά τοποθεσίας, νήματος και PAM για κάθε υποψήφιο. Προσδιορίστε στο σχόλιο κώδικα ότι πρόκειται μόνο για προκαταρκτική εξάλειψη και ότι απαιτείται ειδικό εργαλείο για εκτός στόχου.

Αδύναμη προτροπή / Ισχυρή προτροπή

Αδύναμο: "Δώστε μου μια αλληλουχία gRNA CRISPR για το γονίδιο MYC."

Πρόβλημα: Χωρίς έκδοση/μεταγραφή γονιδιώματος, χωρίς έλεγχο PAM και εκτός στόχου, η τεχνητή νοημοσύνη μπορεί να δώσει ψεύτικη ή επικίνδυνη αλληλουχία.

Ισχυρό: "Ορίστε μια στρατηγική σχεδίασης CRISPR για το νοκ-άουτ GRCh38, MYC (εξώνιο 2). Πείτε μου ποιο εργαλείο να χρησιμοποιήσω, με ποια ρύθμιση και σε ποιο όριο εκτός στόχου να εξαλείψω. Θα δημιουργήσω την ακολουθία gRNA από το εργαλείο. Δεν την παράγετε εσείς."

Γιατί είναι ισχυρό: Το πλαίσιο είναι ξεκάθαρο, ο σχεδιασμός αφήνεται στο συγκεκριμένο εργαλείο, ο εκτός στόχος και η επαλήθευση βρίσκονται στο κέντρο.

Σκηνή

Ο ρόλος της AI

Υποχρεωτική επαλήθευση

Στρατηγική

Προτείνει σχέδια και εργαλεία

Κριτικές ειδικών

Παραγωγή gRNA

Σχόλια

Παρτιτούρα CRISPOR/CHOPCHOP

Έλεγχος PAM

γράφει κώδικα

Εκτελέστε τον κωδικό και επιβεβαιώστε

Εκτός στόχου

ανακοινώνει τη βαθμολογία

Ειδικό όχημα + BLAST

Συμπέρασμα

Σχόλια

Πειραματική αλληλουχία

Συνήθη λάθη

  • Απευθείας χρησιμοποιώντας το gRNA που δίνεται από το AI. Μπορεί να είναι χωρίς PAM, εκτός στόχου ή ψεύτικο.
  • Παράλειψη ανάλυσης εκτός στόχου. Το πιο επικίνδυνο λάθος. τα ανεπιθύμητα γονίδια μπορούν να αποκοπούν.
  • Λάθος της βαθμολογίας σχεδιασμού για εμπειρικές αποδείξεις. Το σκορ είναι μια πρόβλεψη. πρέπει να επαληθευτεί στο κελί.
  • Αφήνοντας απροσδιόριστη την έκδοση/μεταγραφή του γονιδιώματος. Μπορεί να στοχευτεί λάθος εξόνιο.
  • Βασιζόμενοι σε ένα μόνο όχημα. Σε κρίσιμες εφαρμογές απαιτείται επιβεβαίωση με πολλαπλά εργαλεία.
Προσοχή: Η γονιδιακή επεξεργασία για ανθρώπινους ή κλινικούς σκοπούς υπόκειται σε αυστηρούς ηθικούς και νομικούς κανονισμούς. Αυτή η ενότητα προορίζεται για παιδεία στην έρευνα και στο σχεδιασμό. Οι αποφάσεις κλινικής πρακτικής απαιτούν έγκριση από την επιτροπή δεοντολογίας, ομάδα ειδικών και νομοθεσία. Η επεξεργασία γενετικών γραμμών (κληρονομική) απαγορεύεται σε πολλές χώρες.

Βάθος: ανάγνωση βαθμολογιών εκτός στόχου αριθμητικά

Αξιολογήστε τον κίνδυνο εκτός στόχου με δύο συγκεκριμένες βαθμολογίες, όχι ασαφείς λέξεις όπως "υψηλό/χαμηλό". Η βαθμολογία του MIT (0-100) συνοψίζει πόσο ειδικό είναι ένα gRNA σε όλο το γονιδίωμα. Μια υψηλή βαθμολογία (π.χ. 80+) σημαίνει λιγότερο κίνδυνο εκτός στόχου. Η βαθμολογία CFD (Cutting Frequency Determination, 0-1) υπολογίζει την πιθανότητα να αποκοπεί κάθε περιοχή εκτός στόχου μία προς μία. Ακόμη και μια μεμονωμένη περιοχή εκτός στόχου πάνω από 0,2 μπορεί να εξαλείψει τον υποψήφιο για κρίσιμες εφαρμογές. Ζητήστε από την τεχνητή νοημοσύνη να εξηγήσει αυτές τις δύο βαθμολογίες και, στη συνέχεια, διαβάστε μόνοι σας τις πραγματικές τιμές στην έξοδο του οχήματος.

Ένα συγκεκριμένο παράδειγμα: μια ομάδα επέλεγε μεταξύ δύο υποψηφίων. Ο υποψήφιος Α είχε βαθμολογία MIT 91 και το υψηλότερο CFD εκτός στόχου ήταν 0,05. Ο υποψήφιος Β είχε βαθμολογία MIT 88 αλλά είχε ένα μόνο εκτός στόχου στο εξόνιο ενός ογκοκατασταλτικού γονιδίου με CFD 0,34. Αν και οι συνολικές βαθμολογίες φάνηκαν κοντά, εκεί όπου ο στόχος ήταν εκτός στόχου (που κωδικοποιεί ένα λειτουργικά κρίσιμο γονίδιο) έκανε τον υποψήφιο Β απαράδεκτο. Είναι σημαντικό να αξιολογήσουμε το εκτός στόχου όχι μόνο ως προς τον αριθμό αλλά και με τη βιολογική σημασία του γονιδίου στο οποίο εμπίπτει.

Ένα άλλο σημείο: είναι πολύ πιο επικίνδυνο να συμβούν αναντιστοιχίες στην περιοχή "σπόρων" κοντά στο PAM παρά στην μακρινή περιοχή. Ακόμη και μια διαφορά 1-2 βάσεων στην περιοχή του σπόρου μπορεί να σταματήσει το Cas9, ενώ μια διαφορά 3-4 βάσεων μακριά από το PAM μπορεί να γίνει ανεκτή. Επομένως, η θέση του είναι εξίσου σημαντική με τον αριθμό των αποκλίσεων.

Βαθμολογία/κριτήριο

Δεκέμβριος

Σχόλιο

Ειδικότητα MIT

0-100

Υψηλό = μικρός κίνδυνος εκτός στόχου

CFD (εκτός στόχου)

0-1

Πάνω από 0,2 μπορούν να εξαλειφθούν σε κρίσιμες εφαρμογές

Θέση διαφωνίας

σπόρος/απομακρυσμένος

Η περιοχή των σπόρων είναι πολύ πιο επικίνδυνη

Συνοπτικά

  • AI στο σχεδιασμό CRISPR. είναι ένας βοηθός που σχεδιάζει στρατηγική, γράφει κώδικα και εξηγεί επιλογές, όχι το εργαλείο που «παράγει» το gRNA.
  • Τα υποψήφια gRNA πρέπει να παράγονται με ειδικά εργαλεία (CRISPOR/CHOPCHOP) και το PAM και το εκτός στόχου πρέπει να ελέγχονται αριθμητικά.
  • Η βαθμολογία του σχεδιασμού είναι μια εκτίμηση. Το αποτέλεσμα εντός και εκτός στόχου πρέπει να επιβεβαιωθεί πειραματικά (αλληλουχία).
  • Οι κλινικές και βλαστικές πρακτικές υπόκεινται σε αυστηρούς ηθικούς/νομικούς περιορισμούς.

Εργασία εφαρμογής

Κατεβάστε μια περιοχή γονιδίου στόχου από το Ensembl. Εκτελέστε τον παραπάνω κωδικό προεπιλογής PAM και αναφέρετε τους υποψήφιους πρωτοδιαστήματα. Στη συνέχεια, εξάγετε την ίδια περιοχή σε ένα εργαλείο όπως το CRISPOR και λάβετε βαθμολογίες εντός και εκτός στόχου. Συγκρίνετε τους υποψήφιους κωδικούς σας με τις προτάσεις του εργαλείου. Προσδιορίστε τον υποψήφιο με τον υψηλότερο κίνδυνο εκτός στόχου και γράψτε με μια φράση γιατί θα αποβληθεί.

λίστα ελέγχου

  • [ ] Διόρθωσα τον στόχο κατά γονίδιο, εξόνιο, έκδοση γονιδιώματος και μεταγραφή.
  • [ ] Πήρα τη σειρά από αξιόπιστη πηγή, δεν την είχα απομνημονεύσει με AI.
  • [ ] Δημιούργησα και βαθμολόγησα υποψηφίους gRNA με το προσαρμοσμένο εργαλείο.
  • [ ] Έλεγξα την παρουσία PAM και κινδύνου εκτός στόχου.
  • [ ] Δημιούργησα ένα πειραματικό σχέδιο επαλήθευσης.
  • [ ] Γνωρίζω ηθικά/νομικά όρια και έχω τηρήσει την έγκριση των ειδικών.