Ieguvumi:
- Spēja izprast CRISPR, gRNA (vadošā RNS), PAM un ārpusmērķa efektu jēdzienus un iegūt mākslīgo intelektu, lai izveidotu drošu gRNS kandidātu sarakstu un dizaina kodu.
- Iespēja personīgi pārbaudīt gRNS kandidātus, ko nodrošina mākslīgais intelekts, izmantojot ekspertu ārpusmērķa analīzes rīkus un genoma saskaņošanu
- Spēja pieņemt ētiskos/bioloģiskās drošības ierobežojumus un to, ka dizainu nedrīkst īstenot bez laboratorijas pārbaudes
CRISPR-Cas9 (gēnu rediģēšanas sistēma, kas pielāgota no baktērijām, lai izgrieztu un rediģētu DNS noteiktā punktā) ir pārveidojis molekulāro bioloģiju: tagad ir iespējams precīzi mainīt noteiktu punktu gēnā. Taču šis spēks ir nežēlīgs pret projektēšanas kļūdām: nepareizi izvēlēta virzošā RNS (gRNS — īsa RNS secība, kas novirza Cas enzīmu uz mērķi) var nogriezt nepareizo gēnu vai veikt netīšus izcirtņus ārpus mērķa. Šajā nodaļā jūs uzzināsiet, kā izmantot mākslīgo intelektu (AI) kā palīgu CRISPR projektēšanā, veidojot plānu, rakstot kodu un izskaidrojot iespējas; bet jūs uzzināsiet, kāpēc jums ir jāapstiprina gRNS atlase un ārpusmērķa analīze ar specializētiem rīkiem un eksperimentāli.
Kritisks brīdinājums: nejautājiet AI tieši "dodiet man šī gēna gRNS secību" un neizmantojiet ienākošo secību tādu, kāda tā ir. LLM var iegūt gRNS, kas neatbilst PAM likumam (zemāk) vai kas atbilst citur genomā, vai pat pilnībā sagatavotu gRNS. Pareizais veids: dizaina stratēģijas izveide ar AI, kandidātu ģenerēšana un vērtēšana ar īpašiem CRISPR projektēšanas rīkiem (piemēram, CRISPOR, CHOPCHOP) un to eksperimentāla pārbaude.
Pamatjēdzieni
- Cas9: enzīms (molekulārās šķēres), kas sagriež DNS. Tas rada divkāršu pārrāvumu, kur virzās gRNS.
- gRNS / sgRNS: aptuveni 20 nukleotīdu ceļvedis, kas atbilst mērķa DNS un transportē uz turieni Cas9.
- PAM (Protospacer Adjacent Motif): īsa secība, kas jāatrodas tieši blakus mērķim, lai Cas9 varētu izgriezt. SpCas9 parasti "NGG" (N ir jebkura bāze).
- Mērķa efektivitāte: cik efektīvi gRNS sagriež mērķi (mēra ar prognozēšanas punktu).
- Ārpus mērķa: gRNS saistās un sagriež citus genoma punktus, kas līdzinās mērķim; nevēlama un bīstama.
- HDR / NHEJ: šūnu labošanas ceļi pēc izgriešanas; NHEJ parasti atstāj mazus ieliktņus, HDR veic precīzas izmaiņas veidnē.
Soli pa solim: mākslīgā intelekta atbalstīta CRISPR dizaina plūsma
1. Precizējiet mērķi un mērķi. Kurš gēns, kurš eksons, kāda veida izmaiņas (nokauts vai precizitātes korekcija)? Droša genoma versija un atšifrējums.
2. Iegūstiet sēriju no uzticama avota. Lejupielādējiet mērķa reģiona secību no Ensembl/NCBI; Nelieciet AI to iegaumēt.
3. Ģenerējiet gRNS kandidātus, izmantojot pielāgotu rīku. Tādi rīki kā CRISPOR/CHOPCHOP pārbauda PAM, nodrošina mērķa rādītājus un meklē genoma mēroga ārpusmērķus. Izmantojiet AI, lai interpretētu šo rīku rezultātus.
4. Uztveriet risku ārpus mērķa nopietni. Likvidēt kandidātus ar augstiem ārpusmērķa rādītājiem; Apstipriniet ar vairākiem rīkiem kritiskās lietojumprogrammās.
5. Plānot eksperimentālo validāciju. Apstipriniet ar eksperimentu (sekvencēšana, T7E1, amplikona sekvencēšana), vai izvēlētā gRNS patiešām sagriež mērķi (un ārpus mērķa). Dizaina rezultāts ir aplēse, nevis pierādījums.
Padoms. Pirms izmantojat gRNS kandidātu, BLAST tā secību pret genomu, lai redzētu, kur, izņemot mērķi, tas precīzi vai cieši atbilst. Šis solis pats par sevi novērš visbīstamākos kandidātus, kas neatbilst mērķa sasniegšanai.
trīs mini futrāļi
1. gadījums — gRNS bez PAM. Viens students AI lūdza gēna gRNS un saņēma saprātīgu 20 nukleotīdu secību. Tomēr mērķa tuvumā nebija NGG PAM; Tātad Cas9 nevarēja tur sagriezt. Kad students ienāca reģionā CRISPOR, viņš redzēja, ka rīks piedāvā derīgus kandidātus ar PAM. Ja tiktu izmantota AI secība, eksperiments pilnībā izgāztos.
2. gadījums — slepens ārpus mērķa. Vienam pētniekam patika AI ieteiktā “augstas efektivitātes” gRNS. Kad viņš palaida CRISPOR, lai pārbaudītu, vai nav mērķa, viņš atklāja, ka gRNS atbilst tikai 1 bāzes atšķirībai citā gēnā — tas ir nopietns risks ārpus mērķa. Kandidāts tika izslēgts. Bez skaitliskās ārpusmērķa analīzes varētu tikt izgriezts nevēlams gēns.
3. gadījums — saņemts apstiprinājums. Viena laboratorija sintezēja trīs gRNS kandidātus un pārbaudīja tos šūnās; Veicot amplikonu sekvencēšanu, viņš atklāja, ka tikai vienam ir vairāk nekā 60% rediģēšanas (indels), bet pārējām divām bija mazākas par 5%. Dizaina vērtējumi uzrādīja visus trīs kā "labus". Eksperimentālā pārbaude atklāja atšķirību starp prognozēm un realitāti.
Piemērs: kandidāta gRNS PAM kontrole
importēt re# Iegūstiet mērķa reģiona secību no Ensembl/NCBI; Nelieciet AI to iegaumēt. target = "GACGTTGCATCGGATCCTAAGGCTTACGGTAGCTAGCTAGGCTAAGG"# 20 nt protospacer + NGG PAM meklēt SpCas9 (gala virkne + virkne) for m in re.finditer(r"(?=([ACGT]{20})([ACGT]GG)", pam) = proto. print(f"Pozīcija {m.start()+1}: gRNA={protospacer} PAM={pam}")
Tiks uzskaitīti tikai kandidāti ar derīgu PAM; Bet ir nepieciešami īpaši rīki mērķa aktivitātēm un ārpus mērķa. Šis kods ir sākotnējās pārbaudes rīks, nevis pilnīgs dizains.
Četras kopējamas veidnes
1) Dizaina stratēģija (neizgatavojot sēriju):
Jūsu loma: CRISPR dizaina asistents. Izveidojiet dizaina stratēģiju: [gēns, eksons, nokauta/precizitātes korekcija, genoma versija, atšifrējums]. Kuru konkrētu rīku (CRISPOR/CHOPCHOP) ar kādiem iestatījumiem man vajadzētu izmantot, kādus punktus (on-target, off-target) man vajadzētu apskatīt, pastāstiet man soli pa solim. gRNS sekvences SEN ģenerēšana; Izgatavošu no transportlīdzekļa.
2) Interpretācija ārpus mērķa:
Paskaidrojiet, kā jālasa ārpusmērķa kolonnas CRISPOR izvadā: ko nozīmē MIT rezultāts, CFD rezultāts, neatbilstību skaits, pie kādiem sliekšņiem man jāizslēdz kandidāts? Vai sliekšņi atšķiras klīniskajos un pētījumos?
3) Eksperimentālās verifikācijas plāns:
Kā es varu eksperimentāli pārbaudīt, vai manis izvēlētā gRNS tiek izgriezta gan uz mērķi, gan nav novirzīta? T7E1, soli pa solim izskaidrojiet amplikonu (dziļo) secību un vadības dizainu, tostarp to, kuras vadīklas ievietot.
4) PAM/ietvara priekškvalifikācijas kods:
Uzrakstiet Python kodu, kas atrod visus 20 nt kandidātus SpCas9 (NGG PAM) abos virzienos norādītajā mērķa secībā. Ziņojiet par katra kandidāta atrašanās vietu, pavedienu un PAM. Koda komentārā norādiet, ka šī ir tikai provizoriska izslēgšana un ka ir nepieciešams īpašs rīks, lai novērstu mērķi.
Vāja uzvedne / spēcīga uzvedne
Vājš: "Dodiet man CRISPR gRNS secību MYC gēnam."
Problēma: nav genoma versijas/transkripta, nav PAM un ārpusmērķa kontroles, AI var sniegt viltotu vai bīstamu secību.
Strong: "Iestatiet CRISPR projektēšanas stratēģiju GRCh38, MYC (eksons 2) nokautēšanai; pastāstiet man, kuru rīku izmantot, ar kādu iestatījumu un pie kāda novirzes sliekšņa novērst. Es izveidošu gRNS secību no rīka; jūs to neizveidosit."
Kāpēc tas ir spēcīgs: konteksts ir skaidrs, dizains ir atstāts konkrēta rīka ziņā, centrā ir ārpus mērķa un verifikācija.
Skatuves
AI loma
Obligāta pārbaude
stratēģija
Iesaka plānus un rīkus
Ekspertu atsauksmes
gRNS ražošana
komentāri
CRISPOR/CHOPCHOP rezultāts
PAM kontrole
raksta kodu
Palaidiet kodu un apstipriniet
Ārpus mērķa
paziņo rezultātu
Speciālais transportlīdzeklis + BLAST
Secinājums
komentāri
Eksperimentālā secība
Biežas kļūdas
- Tieši izmantojot AI sniegto gRNS. Tas var būt bez PAM, ārpus mērķa vai viltots.
- Izlaižot ārpusmērķa analīzi. Bīstamākā kļūda; nevēlamos gēnus var izgriezt.
- Empīrisku pierādījumu dizaina rezultāta maldināšana. Rezultāts ir prognoze; ir jāpārbauda šūnā.
- Genoma versijas/transkripta atstāšana nenoteikta. Var tikt mērķēts nepareizs eksons.
- Paļaušanās uz vienu transportlīdzekli. Kritiskās lietojumprogrammās ir nepieciešams apstiprinājums ar vairākiem rīkiem.
Uzmanību! Gēnu rediģēšana cilvēku vai klīniskiem nolūkiem ir pakļauta stingriem ētiskiem un juridiskiem noteikumiem. Šī vienība ir paredzēta izpētei un dizaina prasmēm; Klīniskās prakses lēmumiem ir nepieciešams ētikas komitejas apstiprinājums, ekspertu komanda un tiesību akti. Dzimumlīnijas (iedzimta) rediģēšana daudzās valstīs ir aizliegta.
Dziļums: nolasīt ārpus mērķa rādītājus skaitliski
Novērtējiet ārpusmērķa risku ar diviem konkrētiem rādītājiem, nevis neskaidriem vārdiem, piemēram, "augsts/zems". MIT rezultāts (0–100) apkopo, cik specifiska ir gRNS genoma mērogā; Augsts rādītājs (piemēram, 80+) nozīmē mazāku risku, kas neatbilst mērķim. CFD rādītājs (griešanas biežuma noteikšana, 0-1) novērtē varbūtību, ka katru ārpusmērķa apgabalu faktiski tiks nogriezts pa vienam; Pat viens ārpusmērķa reģions virs 0,2 var izslēgt kandidātu kritiskām lietojumprogrammām. Lūdziet mākslīgajam intelektam izskaidrot šos divus punktus un pēc tam pats izlasiet faktiskās vērtības transportlīdzekļa izvadē.
Konkrēts piemērs: komanda izvēlējās starp diviem kandidātiem. Kandidāta A MIT rezultāts bija 91, un augstākais CFD ārpus mērķa bija 0,05. Kandidāta B MIT rezultāts bija 88, bet audzēja nomācošā gēna eksonā ar CFD bija 0,34. Lai gan kopējie rādītāji šķita tuvu, kur bija ārpus mērķa (kas kodē funkcionāli kritisku gēnu), kandidāts B kļuva par nepieņemamu. Ir svarīgi novērtēt ārpusmērķa ne tikai skaitu, bet arī tā gēna bioloģisko nozīmi, uz kuru tas attiecas.
Vēl viens aspekts: ir daudz riskantāk, ka neatbilstības rodas "sēklu" reģionā, kas atrodas tuvu PAM, nekā attālajā reģionā; Pat 1-2 bāzes starpība sēklu reģionā var apturēt Cas9, savukārt 3-4 bāzes atšķirība no PAM var tikt pieļauta. Tāpēc tā atrašanās vieta ir tikpat svarīga kā neatbilstību skaits.
Rezultāts/kritērijs
decembris
komentēt
MIT specifika
0-100
Augsts = mazs ārpus mērķa risks
CFD (neatbilstošs mērķis)
0-1
Virs 0,2 var novērst kritiskās lietojumprogrammās
Nesaskaņu pozīcija
sēkla/tālvadības pults
Sēklu platība ir daudz riskantāka
Rezumējot
- AI CRISPR dizainā; tas ir palīgs, kas izstrādā stratēģiju, raksta kodu un izskaidro opcijas, nevis rīks, kas “ražo” gRNS.
- gRNS kandidāti ir jāizgatavo ar īpašiem instrumentiem (CRISPOR/CHOPCHOP), un PAM un ārpusmērķa ir jākontrolē skaitliski.
- Projektēšanas rezultāts ir aptuvens; Mērķa un ārpusmērķa efekts ir jāapstiprina eksperimentāli (sekvencēšana).
- Klīniskā un dzimumšūnu prakse ir pakļauta stingriem ētiskiem/juridiskiem ierobežojumiem.
Lietojumprogrammas uzdevums
Lejupielādējiet mērķa gēna reģionu no Ensembl. Palaidiet iepriekš norādīto PAM pirmspārbaudes kodu un uzskaitiet kandidātus protospacers. Pēc tam eksportējiet to pašu reģionu uz tādu rīku kā CRISPOR un iegūstiet mērķa un nemērķa rādītājus; Salīdziniet savus koda kandidātus ar rīka ieteikumiem. Nosakiet kandidātu, kuram ir vislielākais risks, un vienā teikumā uzrakstiet, kāpēc viņš/viņa tiks izslēgta.
kontrolsaraksts
- [ ] Es fiksēju mērķi pēc gēna, eksona, genoma versijas un transkripta.
- [ ] Es saņēmu sēriju no uzticama avota, man tas nebija iegaumēts AI.
- [ ] Es ģenerēju un novērtēju gRNS kandidātus, izmantojot pielāgoto rīku.
- [ ] Es pārbaudīju PAM klātbūtni un ārpus mērķa risku.
- [ ] Es izveidoju eksperimentālu verifikācijas plānu.
- [ ] Es apzinos ētiskās/juridiskās robežas un esmu ievērojis ekspertu apstiprinājumu.