નફો:
- CRISPR, gRNA (માર્ગદર્શિકા RNA), PAM અને ઓફ-ટાર્ગેટ ઇફેક્ટ્સની વિભાવનાઓને સમજવાની ક્ષમતા અને કૃત્રિમ બુદ્ધિમત્તા સુરક્ષિત gRNA ઉમેદવારોની સૂચિ અને ડિઝાઇન કોડ બનાવે છે.
- કૃત્રિમ બુદ્ધિ દ્વારા આપવામાં આવેલ જીઆરએનએ ઉમેદવારોને વ્યક્તિગત રીતે ચકાસવાની ક્ષમતા નિષ્ણાત ઓફ-ટાર્ગેટ વિશ્લેષણ સાધનો અને જીનોમ ગોઠવણી સાથે
- નૈતિક/બાયોસેફ્ટી મર્યાદા સ્વીકારવાની ક્ષમતા અને લેબોરેટરી વેરિફિકેશન વિના ડિઝાઇનનો અમલ થવો જોઈએ નહીં
CRISPR-Cas9 (લક્ષિત બિંદુ પર ડીએનએને કાપવા અને સંપાદિત કરવા માટે બેક્ટેરિયામાંથી અનુકૂલિત જનીન સંપાદન પ્રણાલી) એ મોલેક્યુલર બાયોલોજીમાં પરિવર્તન કર્યું છે: હવે જનીનમાં ચોક્કસ બિંદુને ચોક્કસપણે બદલવું શક્ય છે. પરંતુ આ શક્તિ ડિઝાઇનની ભૂલો સામે નિર્દય છે: ખોટી રીતે પસંદ કરેલ માર્ગદર્શિકા RNA (gRNA — આરએનએનો ટૂંકો ક્રમ જે Cas એન્ઝાઇમને લક્ષ્ય તરફ નિર્દેશિત કરે છે) ખોટા જનીનને કાપી શકે છે અથવા અણધાર્યા કટ ઓફ-ટાર્ગેટ કરી શકે છે. આ એકમમાં, તમે CRISPR ડિઝાઇનમાં સહાયક તરીકે આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) નો ઉપયોગ કેવી રીતે કરવો, પ્લાન બનાવવો, કોડ લખવો અને વિકલ્પો સમજાવવું તે શીખી શકશો; પરંતુ તમે શીખી શકશો કે તમારે શા માટે વિશિષ્ટ સાધનો વડે અને પ્રાયોગિક ધોરણે gRNA પસંદગી અને ઓફ-લક્ષ્ય વિશ્લેષણને માન્ય કરવાની જરૂર છે.
જટિલ ચેતવણી: AI ને સીધું પૂછશો નહીં "મને આ જનીન માટે gRNA ક્રમ આપો" અને આવનારા ક્રમનો તે જેમ છે તેમ ઉપયોગ કરશો નહીં. એલએલએમ એક જીઆરએનએ મેળવી શકે છે જે PAM નિયમ (નીચે) સાથે મેળ ખાતું નથી અથવા જે જીનોમમાં અન્યત્ર મેળ ખાતું હોય છે, અથવા તો સંપૂર્ણપણે બનાવેલ જીઆરએનએ પણ મેળવી શકે છે. સાચો રસ્તો: AI સાથે ડિઝાઇન વ્યૂહરચના સ્થાપિત કરવી, વિશિષ્ટ CRISPR ડિઝાઇન ટૂલ્સ (જેમ કે CRISPOR, CHOPCHOP) વડે ઉમેદવારો પેદા કરવા અને સ્કોર કરવા અને તેમને પ્રાયોગિક ધોરણે ચકાસવા.
મૂળભૂત ખ્યાલો
- Cas9: એન્ઝાઇમ (મોલેક્યુલર સિઝર્સ) જે ડીએનએને કાપે છે. તે ડબલ સ્ટ્રેન્ડ બ્રેક બનાવે છે જ્યાં gRNA નિર્દેશિત કરે છે.
- gRNA / sgRNA: આશરે 20 ન્યુક્લિયોટાઇડ્સની માર્ગદર્શિકા જે લક્ષ્ય DNA સાથે મેળ ખાય છે અને Cas9ને ત્યાં પરિવહન કરે છે.
- PAM (પ્રોટોસ્પેસર સંલગ્ન મોટિફ): ટૂંકો ક્રમ જે Cas9 કાપવા માટેના લક્ષ્યની બરાબર બાજુમાં સ્થિત હોવો જોઈએ. SpCas9 માટે સામાન્ય રીતે "NGG" (N કોઈપણ આધાર હોય છે).
- લક્ષ્ય પરની કાર્યક્ષમતા: gRNA કેટલી અસરકારક રીતે લક્ષ્ય પર કાપ મૂકે છે (અનુમાન સ્કોર દ્વારા માપવામાં આવે છે).
- બંધ-લક્ષ્ય: જીઆરએનએ જીનોમના અન્ય બિંદુઓને બાંધે છે અને કાપે છે જે લક્ષ્યને મળતા આવે છે; અનિચ્છનીય અને જોખમી.
- એચડીઆર / એનએચઇજે: કટ પછી સેલ રિપેર માર્ગો; NHEJ સામાન્ય રીતે નાના ઇન્ડેલ્સ છોડે છે, HDR નમૂનામાં ચોક્કસ ફેરફારો કરે છે.
સ્ટેપ બાય સ્ટેપ: AI-આસિસ્ટેડ CRISPR ડિઝાઇન ફ્લો
1. ધ્યેય અને હેતુ સ્પષ્ટ કરો. કયો જનીન, કયો એક્સોન, કયા પ્રકારનો ફેરફાર (નોકઆઉટ અથવા ચોકસાઇ સુધારણા)? સુરક્ષિત જીનોમ સંસ્કરણ અને ટ્રાન્સક્રિપ્ટ.
2. વિશ્વસનીય સ્ત્રોતમાંથી શ્રેણી મેળવો. Ensembl/NCBI થી લક્ષ્ય પ્રદેશ ક્રમ ડાઉનલોડ કરો; AI ને તેને યાદગાર બનાવશો નહીં.
3. કસ્ટમ ટૂલ વડે gRNA ઉમેદવારો જનરેટ કરો. CRISPOR/CHOPCHOP જેવા સાધનો PAM માટે તપાસે છે, લક્ષ્યાંક પરના સ્કોર્સ પ્રદાન કરે છે અને જીનોમ-વ્યાપી ઓફ-ટાર્ગેટ શોધે છે. આ સાધનોના આઉટપુટનું અર્થઘટન કરવા માટે AI નો ઉપયોગ કરો.
4. લક્ષિત જોખમને ગંભીરતાથી લો. ઉચ્ચ ઓફ-ટાર્ગેટ સ્કોર ધરાવતા ઉમેદવારોને દૂર કરો; નિર્ણાયક એપ્લિકેશન્સમાં બહુવિધ સાધનો સાથે પુષ્ટિ કરો.
5. પ્રાયોગિક માન્યતાની યોજના બનાવો. પ્રયોગ દ્વારા પુષ્ટિ કરો (સિક્વન્સિંગ, T7E1, એમ્પ્લિકોન સિક્વન્સિંગ) શું પસંદ કરેલ gRNA ખરેખર લક્ષ્ય (અને ઓફ-ટાર્ગેટ) ને કાપી નાખે છે. ડિઝાઇન સ્કોર એક અંદાજ છે, સાબિતી નથી.
ટીપ: gRNA ઉમેદવારનો ઉપયોગ કરતા પહેલા, તેનો ક્રમ જિનોમ સામે બ્લાસ્ટ કરો જેથી તે જોવા માટે કે લક્ષ્ય સિવાય અન્ય ક્યાં તે બરાબર અથવા નજીકથી મેળ ખાય છે. એકલા આ પગલું સૌથી ખતરનાક બંધ-લક્ષ્ય ઉમેદવારોને વહેલા દૂર કરે છે.
ત્રણ નાના કેસો
કેસ 1 — PAM વિના gRNA. એક વિદ્યાર્થીએ જીઆરએનએ માટે જીઆરએનએ માટે AI પૂછ્યું અને તેને 20 ન્યુક્લિયોટાઇડ્સનો વાજબી ક્રમ મળ્યો. જો કે, લક્ષ્યની નજીક કોઈ NGG PAM નહોતું; તેથી Cas9 ત્યાં કાપી શક્યો નથી. જ્યારે વિદ્યાર્થી CRISPOR માં પ્રદેશમાં દાખલ થયો, ત્યારે તેણે જોયું કે સાધન PAM સાથે માન્ય ઉમેદવારોનું સૂચન કરે છે. જો AI ના ક્રમનો ઉપયોગ કરવામાં આવે, તો પ્રયોગ સંપૂર્ણપણે નિષ્ફળ જશે.
કેસ 2 - સિક્રેટ ઓફ-ટાર્ગેટ. એક સંશોધકને AI દ્વારા સૂચવવામાં આવેલ "ઉચ્ચ-અસરકારકતા" gRNA ગમ્યું. જ્યારે તે ઓફ-ટાર્ગેટની તપાસ કરવા CRISPOR દોડ્યો, ત્યારે તેણે જોયું કે gRNA બીજા જનીનમાં માત્ર 1 આધાર તફાવત સાથે મેળ ખાય છે - એક ગંભીર ઓફ-ટાર્ગેટ જોખમ. ઉમેદવારને નાબૂદ કરવામાં આવ્યો હતો. સંખ્યાત્મક બંધ-લક્ષ્ય વિશ્લેષણ વિના, અનિચ્છનીય જનીન કાપી શકાય છે.
કેસ 3 - પુષ્ટિ મળી. એક પ્રયોગશાળાએ ત્રણ જીઆરએનએ ઉમેદવારોનું સંશ્લેષણ કર્યું અને કોષોમાં તેનું પરીક્ષણ કર્યું; એમ્પ્લિકોન સિક્વન્સિંગ દ્વારા, તેમણે જોયું કે માત્ર એકમાં 60% થી વધુ સંપાદન (ઈન્ડેલ) હતું, જ્યારે અન્ય બેમાં 5% થી ઓછા હતા. ડિઝાઇન સ્કોર ત્રણેયને "સારા" તરીકે દર્શાવે છે. પ્રાયોગિક ચકાસણીએ આગાહી અને વાસ્તવિકતા વચ્ચેનો તફાવત જાહેર કર્યો.
ઉદાહરણ: ઉમેદવાર જીઆરએનએનું PAM નિયંત્રણ
આયાત પુનઃ# એન્સેમ્બલ/એનસીબીઆઈ પાસેથી લક્ષ્ય પ્રદેશ ક્રમ મેળવો; એઆઈને તેને યાદગાર બનાવશો નહીં. target = "GACGTTGCATCGGATCCTAAGGCTTACGGTAGCTAGCTAGGCTAAGG"# 20 nt પ્રોટોસ્પેસર + NGG PAM માટે SpCas9 (એન્ડ સ્ટ્રૅન્ડ + સ્ટ્રૅન્ડ) માટે શોધ. m.group(1), m.group(2) પ્રિન્ટ(f"પોઝિશન {m.start()+1}: gRNA={protospacer} PAM={pam}")
આ માત્ર માન્ય PAM ધરાવતા ઉમેદવારોની યાદી કરશે; પરંતુ લક્ષ્યાંક પરની પ્રવૃત્તિ અને લક્ષ્યની બહારની પ્રવૃત્તિ માટે વિશેષ સાધનોની જરૂર છે. આ કોડ એક પ્રારંભિક સ્ક્રીનીંગ સાધન છે, સંપૂર્ણ ડિઝાઇન નથી.
ચાર નકલ કરી શકાય તેવા નમૂનાઓ
1) ડિઝાઇન વ્યૂહરચના (શ્રેણી બનાવ્યા વિના):
તમારી ભૂમિકા: CRISPR ડિઝાઇન સહાયક. આ માટે ડિઝાઇન વ્યૂહરચના સ્થાપિત કરો:[જીન, એક્ઝોન, નોકઆઉટ/ચોકસાઇ સુધારણા, જિનોમ સંસ્કરણ, ટ્રાન્સક્રિપ્ટ].મારે કઇ સેટિંગ્સ સાથે કયા વિશિષ્ટ ટૂલ (ક્રિસ્પોર/ચોપચોપ)નો ઉપયોગ કરવો જોઈએ, મારે કયા સ્કોર (લક્ષ્ય પર, લક્ષ્યની બહાર) જોવું જોઈએ, મને પગલું દ્વારા જણાવો. gRNA ક્રમ SEN જનરેટ કરવું; હું તેને વાહનમાંથી બનાવીશ.
2) લક્ષ્ય વિનાનું અર્થઘટન:
ક્રિસ્પોર આઉટપુટમાં મારે ઑફ-ટાર્ગેટ કૉલમ્સ કેવી રીતે વાંચવી જોઈએ તે સમજાવો: MIT સ્કોર, CFD સ્કોર, મિસમેચ કાઉન્ટનો અર્થ શું થાય છે, મારે કયા થ્રેશોલ્ડ પર ઉમેદવારને દૂર કરવો જોઈએ? શું ક્લિનિકલ અને સંશોધન કાર્યક્રમોમાં થ્રેશોલ્ડ અલગ છે?
3) પ્રાયોગિક ચકાસણી યોજના:
હું પ્રાયોગિક રીતે કેવી રીતે ચકાસી શકું કે જીઆરએનએ મેં લક્ષ્ય પરના બંને કાપ પસંદ કર્યા છે અને લક્ષ્યાંકની બહાર નથી? T7E1, એમ્પ્લિકોન (ડીપ) સિક્વન્સિંગ અને કન્ટ્રોલ ડિઝાઇન સ્ટેપ બાય સ્ટેપ સમજાવો, જેમાં કયા કંટ્રોલ મૂકવાના છે.
4) PAM/ફ્રેમવર્ક પ્રીક્વોલિફિકેશન કોડ:
એક પાયથોન કોડ લખો જે આપેલ લક્ષ્ય ક્રમમાં બંને સ્ટ્રેન્ડ પર SpCas9 (NGG PAM) માટે તમામ 20 nt ઉમેદવાર પ્રોટોસ્પેસર્સ શોધે છે. દરેક ઉમેદવાર માટે સ્થાન, થ્રેડ અને PAM નો રિપોર્ટ કરો. કોડ કોમેન્ટમાં સ્પષ્ટ કરો કે આ માત્ર એક પ્રારંભિક નાબૂદી છે અને ઓફ-ટાર્ગેટ માટે ખાસ સાધન જરૂરી છે.
નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ
નબળા: "મને MYC જનીન માટે CRISPR gRNA ક્રમ આપો."
સમસ્યા: જીનોમ વર્ઝન/ટ્રાન્સક્રિપ્ટ નથી, PAM અને ઓફ-ટાર્ગેટ કંટ્રોલ નથી, AI નકલી અથવા ખતરનાક ક્રમ આપી શકે છે.
મજબૂત: "GRCh38, MYC (exon 2) નોકઆઉટ માટે CRISPR ડિઝાઇન વ્યૂહરચના સેટ કરો; મને કહો કે કયા ટૂલનો ઉપયોગ કરવો, કયા સેટિંગ સાથે, અને કયા બંધ-લક્ષ્ય થ્રેશોલ્ડને દૂર કરવું. હું ટૂલમાંથી gRNA ક્રમ ઉત્પન્ન કરીશ; તમે તેને ઉત્પન્ન કરશો નહીં."
તે શા માટે શક્તિશાળી છે: સંદર્ભ સ્પષ્ટ છે, ડિઝાઇન ચોક્કસ ટૂલ પર છોડી દેવામાં આવે છે, ઑફ-લક્ષ્ય અને ચકાસણી કેન્દ્રમાં મૂકવામાં આવે છે.
સ્ટેજ
AI ની ભૂમિકા
ફરજિયાત ચકાસણી
વ્યૂહરચના
યોજનાઓ અને સાધનોની ભલામણ કરે છે
નિષ્ણાત સમીક્ષાઓ
જીઆરએનએ ઉત્પાદન
ટિપ્પણીઓ
CRISPOR/CHOPCHOP સ્કોર
PAM નિયંત્રણ
કોડ લખે છે
કોડ ચલાવો અને પુષ્ટિ કરો
બંધ-લક્ષ્ય
સ્કોર જાહેર કરે છે
ખાસ વાહન + બ્લાસ્ટ
નિષ્કર્ષ
ટિપ્પણીઓ
પ્રાયોગિક ક્રમ
સામાન્ય ભૂલો
- AI દ્વારા આપવામાં આવેલ gRNA નો સીધો ઉપયોગ. તે PAM-મુક્ત, ટાર્ગેટ વિનાનું અથવા નકલી હોઈ શકે છે.
- લક્ષ્ય-વિશ્લેષણને છોડવું. સૌથી ખતરનાક ભૂલ; અનિચ્છનીય જનીનો કાપી શકાય છે.
- પ્રયોગમૂલક પુરાવા માટે ડિઝાઇન સ્કોર ભૂલથી. સ્કોર એક આગાહી છે; સેલમાં ચકાસાયેલ હોવું જોઈએ.
- જીનોમ વર્ઝન/ટ્રાન્સક્રિપ્ટ અનિશ્ચિત છોડીને. ખોટા એક્સોનને નિશાન બનાવી શકાય છે.
- એક જ વાહન પર આધાર રાખવો. જટિલ એપ્લિકેશન્સમાં, બહુવિધ સાધનો સાથે પુષ્ટિ જરૂરી છે.
સાવધાન: માનવ અથવા તબીબી હેતુઓ માટે જનીન સંપાદન ભારે નૈતિક અને કાનૂની નિયમોને આધીન છે. આ એકમ સંશોધન અને ડિઝાઇન સાક્ષરતા માટે છે; ક્લિનિકલ પ્રેક્ટિસના નિર્ણયો માટે નીતિશાસ્ત્ર સમિતિની મંજૂરી, નિષ્ણાત ટીમ અને કાયદાની જરૂર પડે છે. ઘણા દેશોમાં જર્મલાઇન (વારસાગત) સંપાદન પર પ્રતિબંધ છે.
ઊંડાઈ: ઓફ-ટાર્ગેટ સ્કોર સંખ્યાત્મક રીતે વાંચો
"ઉચ્ચ/નીચું" જેવા અસ્પષ્ટ શબ્દો નહીં, બે નક્કર સ્કોર્સ વડે લક્ષ્ય-બંધ જોખમનું મૂલ્યાંકન કરો. એમઆઈટી સ્કોર (0-100) સારાંશ આપે છે કે જીઆરએનએ જીનોમ-વ્યાપી કેટલું ચોક્કસ છે; ઉચ્ચ સ્કોર (દા.ત. 80+) એટલે ઓછા લક્ષ્યાંકથી દૂર જોખમ. સીએફડી સ્કોર (કટિંગ ફ્રીક્વન્સી ડિટરમિનેશન, 0-1) દરેક ઓફ-ટાર્ગેટ વિસ્તારને એક પછી એક કાપવાની સંભાવનાનો અંદાજ લગાવે છે; 0.2 થી ઉપરનો એક પણ ઓફ-ટાર્ગેટ પ્રદેશ જટિલ એપ્લિકેશન માટે ઉમેદવારને દૂર કરી શકે છે. આર્ટિફિશિયલ ઇન્ટેલિજન્સ દ્વારા આ બે સ્કોર્સ સમજાવો અને પછી વાહનના આઉટપુટમાં વાસ્તવિક મૂલ્યો જાતે વાંચો.
એક નક્કર ઉદાહરણ: એક ટીમ બે ઉમેદવારો વચ્ચે પસંદગી કરી રહી હતી. ઉમેદવાર A નો MIT સ્કોર 91 હતો અને સૌથી વધુ CFD ઑફ-ટાર્ગેટ 0.05 હતો. ઉમેદવાર B નો MIT સ્કોર 88 હતો પરંતુ 0.34 ના CFD સાથે ટ્યુમર સપ્રેસર જનીનના એક્સોનમાં એક જ લક્ષ્યાંક હતો. જો કે એકંદર સ્કોર્સ નજીક દેખાયા હતા, જ્યાં બંધ-લક્ષ્ય હતું (કાર્યાત્મક રીતે નિર્ણાયક જનીનનું એન્કોડિંગ) ઉમેદવાર Bને અસ્વીકાર્ય બનાવ્યું હતું. માત્ર સંખ્યાના સંદર્ભમાં જ નહીં, પરંતુ તે જે જીન પર આવે છે તેના જૈવિક મહત્વ સાથે પણ બિન-લક્ષ્યનું મૂલ્યાંકન કરવું આવશ્યક છે.
બીજો મુદ્દો: દૂરના પ્રદેશ કરતાં PAM ની નજીકના "બીજ" પ્રદેશમાં મેળ ખાતી ન હોવી તે વધુ જોખમી છે; બીજ પ્રદેશમાં 1-2 આધાર તફાવત પણ Cas9 રોકી શકે છે, જ્યારે PAM થી દૂર 3-4 આધાર તફાવત સહન કરી શકાય છે. તેથી, તેનું સ્થાન વિસંગતતાઓની સંખ્યા જેટલું મહત્વનું છે.
સ્કોર/માપદંડ
ડિસેમ્બર
ટિપ્પણી
MIT વિશિષ્ટતા
0-100
ઊંચું = ઓછું લક્ષ્યાંક વિનાનું જોખમ
CFD (ઓફ-ટાર્ગેટ)
0-1
0.2 થી ઉપર નિર્ણાયક એપ્લિકેશનમાં દૂર કરી શકાય છે
વિસંગત સ્થિતિ
બીજ/દૂરસ્થ
બીજ વિસ્તાર વધુ જોખમી છે
સારાંશમાં
- CRISPR ડિઝાઇનમાં AI; તે એક સહાયક છે જે વ્યૂહરચના બનાવે છે, કોડ લખે છે અને વિકલ્પો સમજાવે છે, જીઆરએનએનું "ઉત્પાદન" કરતું સાધન નથી.
- gRNA ઉમેદવારો ખાસ સાધનો (ક્રિસ્પોર/CHOPCHOP) વડે તૈયાર કરવા જોઈએ, અને PAM અને ઑફ-ટાર્ગેટ સંખ્યાત્મક રીતે નિયંત્રિત હોવા જોઈએ.
- ડિઝાઇન સ્કોર એક અંદાજ છે; ઑન-ટાર્ગેટ અને ઑફ-ટાર્ગેટ અસરની પ્રાયોગિક રીતે પુષ્ટિ થવી જોઈએ (ક્રમ).
- ક્લિનિકલ અને જર્મલાઇન પ્રેક્ટિસ ભારે નૈતિક/કાનૂની મર્યાદાઓને આધીન છે.
એપ્લિકેશન કાર્ય
Ensembl માંથી લક્ષ્ય જનીન પ્રદેશ ડાઉનલોડ કરો. ઉપર PAM પ્રી-સ્ક્રીનિંગ કોડ ચલાવો અને ઉમેદવાર પ્રોટોસ્પેસર્સની સૂચિ બનાવો. પછી તે જ પ્રદેશને CRISPOR જેવા ટૂલમાં નિકાસ કરો અને લક્ષ્ય પર અને લક્ષ્યાંક સિવાયના સ્કોર્સ મેળવો; સાધનની ભલામણો સાથે તમારા કોડ ઉમેદવારોની સરખામણી કરો. સૌથી વધુ ઓફ-ટાર્ગેટ જોખમ ધરાવતા ઉમેદવારને ઓળખો અને એક વાક્યમાં લખો કે તેને/તેણીને કેમ દૂર કરવામાં આવશે.
ચેકલિસ્ટ
- [ ] મેં જીન, એક્સોન, જીનોમ વર્ઝન અને ટ્રાન્સક્રિપ્ટ દ્વારા લક્ષ્ય નક્કી કર્યું.
- [ ] મને એક વિશ્વસનીય સ્ત્રોત પાસેથી શ્રેણી મળી છે, મારી પાસે તે AI દ્વારા યાદ નથી.
- [ ] મેં કસ્ટમ ટૂલ વડે gRNA ઉમેદવારો બનાવ્યા અને સ્કોર કર્યા.
- [ ] મેં PAM અને ઓફ-ટાર્ગેટ જોખમની હાજરી તપાસી.
- [ ] મેં પ્રાયોગિક ચકાસણી યોજના સેટ કરી છે.
- [] હું નૈતિક/કાનૂની સીમાઓથી વાકેફ છું અને નિષ્ણાતની મંજૂરીનું અવલોકન કર્યું છે.