Zyski:
- Umiejętność zrozumienia koncepcji CRISPR, gRNA (przewodnikowego RNA), PAM i efektów poza celem oraz wykorzystania sztucznej inteligencji do stworzenia bezpiecznej listy kandydatów na gRNA i kodu projektu
- Możliwość osobistej weryfikacji kandydatów na gRNA podanych przez sztuczną inteligencję za pomocą specjalistycznych narzędzi do analizy poza celem i dopasowania genomu
- Możliwość zaakceptowania ograniczeń etycznych/biobezpieczeństwa oraz faktu, że projekt nie powinien być wdrażany bez weryfikacji laboratoryjnej
CRISPR-Cas9 (system edycji genów zaadaptowany przez bakterie do cięcia i edycji DNA w docelowym miejscu) zmienił biologię molekularną: obecnie możliwa jest precyzyjna zmiana określonego punktu genu. Ale ta moc jest bezwzględna wobec błędów projektowych: nieprawidłowo wybrany przewodnik RNA (gRNA – krótka sekwencja RNA, która kieruje enzym Cas do celu) może wyciąć niewłaściwy gen lub spowodować niezamierzone cięcia poza celem. W tej jednostce dowiesz się, jak wykorzystać sztuczną inteligencję (AI) jako asystenta w projektowaniu CRISPR, tworzeniu planu, pisaniu kodu i wyjaśnianiu opcji; ale dowiesz się, dlaczego musisz weryfikować selekcję gRNA i analizę poza celem za pomocą specjalistycznych narzędzi i eksperymentalnie.
Krytyczne ostrzeżenie: Nie proś bezpośrednio sztucznej inteligencji „daj mi sekwencję gRNA tego genu” i nie używaj przychodzącej sekwencji w niezmienionej postaci. LLM może dać gRNA, który nie pasuje do reguły PAM (poniżej) lub pasuje do innego miejsca w genomie, lub nawet całkowicie wymyślony gRNA. Właściwy sposób: Ustalenie strategii projektowej z wykorzystaniem AI, generowanie i ocenianie kandydatów za pomocą specjalnych narzędzi projektowych CRISPR (takich jak CRISPOR, CHOPCHOP) oraz ich eksperymentalna weryfikacja.
Podstawowe pojęcia
- Cas9: Enzym (nożyczki molekularne), który tnie DNA. Tworzy pęknięcie podwójnej nici tam, gdzie kieruje gRNA.
- gRNA / sgRNA: Przewodnik składający się z około 20 nukleotydów, który pasuje do docelowego DNA i transportuje tam Cas9.
- PAM (Motyw sąsiadujący z protospacerem): Krótka sekwencja, która musi znajdować się tuż obok celu, aby Cas9 mógł ją przeciąć. W przypadku SpCas9 zwykle „NGG” (N oznacza dowolną zasadę).
- Skuteczność na poziomie celu: skuteczność, z jaką gRNA tnie cel (mierzona na podstawie wyniku przewidywania).
- Poza celem: gRNA wiąże i przecina inne punkty genomu, które przypominają cel; niepożądane i niebezpieczne.
- HDR / NHEJ: Ścieżki naprawy komórek po cięciu; NHEJ zazwyczaj pozostawia małe indele, HDR dokonuje precyzyjnych zmian w szablonie.
Krok po kroku: proces projektowania CRISPR wspomagany sztuczną inteligencją
1. Wyjaśnij cel i cel. Który gen, jaki ekson, jaki rodzaj zmiany (nokaut czy korekta precyzji)? Bezpieczna wersja i transkrypcja genomu.
2. Zdobądź serię z wiarygodnego źródła. Pobierz sekwencję regionu docelowego z Ensembl/NCBI; Nie każ AI tego zapamiętywać.
3. Wygeneruj kandydatów na gRNA za pomocą niestandardowego narzędzia. Narzędzia takie jak CRISPOR/CHOPCHOP sprawdzają PAM, dostarczają wyników w zakresie celów i wyszukują obiektów poza celami w całym genomie. Użyj sztucznej inteligencji, aby zinterpretować wyniki tych narzędzi.
4. Poważnie traktuj ryzyko odbiegające od celu. Eliminuj kandydatów z wysokimi wynikami odbiegającymi od docelowych; Potwierdź za pomocą wielu narzędzi w krytycznych zastosowaniach.
5. Zaplanować walidację eksperymentalną. Potwierdzić eksperymentalnie (sekwencjonowanie, T7E1, sekwencjonowanie amplikonu), czy wybrany gRNA faktycznie tnie cel (i poza celem). Ocena projektu jest oceną, a nie dowodem.
Wskazówka: Przed użyciem kandydata na gRNA, WYBASTNIJ jego sekwencję w stosunku do genomu, aby zobaczyć, gdzie poza celem pasuje dokładnie lub blisko. Już sam ten krok pozwala na wczesną eliminację najbardziej niebezpiecznych kandydatów spoza celu.
trzy mini etui
Przypadek 1 — gRNA bez PAM. Jeden ze studentów poprosił sztuczną inteligencję o gRNA dla genu i otrzymał rozsądną sekwencję 20 nukleotydów. Jednak w pobliżu celu nie było NGG PAM; Więc Cas9 nie mógł tam ciąć. Kiedy uczeń wszedł do CRISPOR dla swojego regionu, zobaczył, że narzędzie sugeruje prawidłowych kandydatów z PAM. Gdyby zastosowano sekwencję sztucznej inteligencji, eksperyment zakończyłby się całkowitym niepowodzeniem.
Przypadek 2 – Tajny cel poza celem. Jednemu z badaczy spodobał się gRNA o „wysokiej skuteczności” sugerowany przez sztuczną inteligencję. Kiedy uruchomił CRISPOR, aby sprawdzić, czy gen nie jest docelowy, odkrył, że gRNA odpowiada tylko 1 różnicy zasad w innym genie – co stanowi poważne ryzyko nieprawidłowego działania. Kandydat został wyeliminowany. Bez analizy numerycznej nieprawidłowego genu można wyciąć niepożądany gen.
Przypadek 3 – Uzyskane potwierdzenie. Jedno laboratorium zsyntetyzowało trzech kandydatów na gRNA i przetestowało je w komórkach; Dzięki sekwencjonowaniu amplikonu odkrył, że tylko jeden miał ponad 60% edycji (indeli), podczas gdy pozostałe dwa miały poniżej 5%. Oceny projektów wykazały, że wszystkie trzy były „dobre”. Weryfikacja eksperymentalna ujawniła różnicę między przewidywaniami a rzeczywistością.
Przykład: kontrola PAM kandydata na gRNA
import re# Pobierz sekwencję regionu docelowego z Ensembl/NCBI; Nie zmuszaj sztucznej inteligencji do zapamiętywania tego. target = "GACGTTGCATCGGATCCTAAGGCTTACGGTAGCTAGCTAGGCTAAGG"# 20 nt protospacer + NGG PAM szukanie SpCas9 (nić końcowa + nić)for m w re.finditer(r"(?=([ACGT]{20})([ACGT]GG))", target): protospacer, pam = m.group(1), m.group(2) print(f"Pozycja {m.start()+1}: gRNA={protospacer} PAM={pam}")
Spowoduje to wyświetlenie wyłącznie listy kandydatów z ważnym PAM; Ale do działań na celu i poza celem potrzebne są specjalne narzędzia. Ten kod jest wstępnym narzędziem do sprawdzania, a nie pełnym projektem.
Cztery szablony do kopiowania
1) Strategia projektowania (bez tworzenia serii):
Twoja rola: Asystent projektu CRISPR. Ustal strategię projektowania dla: [genu, eksonu, korekcji nokautu/precyzyjności, wersji genomu, transkryptu]. Którego konkretnego narzędzia (CRISPOR/CHOPCHOP) z jakimi ustawieniami powinienem użyć, na jakie wyniki (zgodne z celem, poza celem) powinienem zwrócić uwagę, powiedz mi krok po kroku. Generowanie sekwencji gRNA SEN; Wyprodukuję go z pojazdu.
2) Interpretacja odbiegająca od celu:
Wyjaśnij, w jaki sposób powinienem czytać kolumny spoza zakresu docelowego w wynikach CRISPOR: co oznacza wynik MIT, wynik CFD, liczba niedopasowań, przy jakich progach powinienem wyeliminować kandydata? Czy progi różnią się w zastosowaniach klinicznych i badawczych?
3) Plan weryfikacji eksperymentalnej:
Jak mogę eksperymentalnie sprawdzić, czy wybrane przeze mnie gRNA obydwa cięcia trafia w cel i nie wykracza poza cel? T7E1, wyjaśnij krok po kroku (głębokie) sekwencjonowanie amplikonu i projekt kontroli, łącznie z tym, które kontrole należy umieścić.
4) Kod kwalifikacji wstępnej PAM/frameworka:
Napisz kod w Pythonie, który znajdzie wszystkie 20-nt kandydujących protoprzerywników dla SpCas9 (NGG PAM) na obu niciach w podanej sekwencji docelowej. Zgłoś lokalizację, wątek i PAM dla każdego kandydata. W komentarzu do kodu określ, że jest to jedynie wstępna eliminacja i że w przypadku odbicia od celu wymagane jest specjalne narzędzie.
Słaba zachęta/silna zachęta
Słabe: „Podaj mi sekwencję gRNA CRISPR dla genu MYC”.
Problem: Brak wersji/transkrypcji genomu, brak PAM i kontroli poza celem, sztuczna inteligencja może dać fałszywą lub niebezpieczną sekwencję.
Strong: „Opracuj strategię projektowania CRISPR dla nokautu GRCh38, MYC (ekson 2). Powiedz mi, jakiego narzędzia użyć, z jakim ustawieniem i przy jakim progu odbiegającym od celu wyeliminować. Wytworzę sekwencję gRNA z narzędzia; ty jej nie produkujesz”.
Dlaczego jest potężny: Kontekst jest jasny, projekt pozostawiono konkretnemu narzędziu, w centrum uwagi są działania wykraczające poza cel i weryfikacja.
Scena
Rola sztucznej inteligencji
Obowiązkowa weryfikacja
Strategia
Poleca plany i narzędzia
Recenzje ekspertów
produkcja gRNA
Komentarze
Wynik CRISPOR/CHOPCHOP
Sterowanie PAM-em
pisze kod
Uruchom kod i potwierdź
Poza celem
ogłasza wynik
Pojazd specjalny + WYBUCH
Wniosek
Komentarze
Sekwencjonowanie eksperymentalne
Typowe błędy
- Bezpośrednio przy użyciu gRNA podanego przez sztuczną inteligencję. Może być wolny od PAM, nie być docelowy lub fałszywy.
- Pomijanie analizy wykraczającej poza cel. Najbardziej niebezpieczny błąd; niepożądane geny można wyciąć.
- Mylenie wyniku projektu z dowodami empirycznymi. Wynik jest przewidywaniem; należy zweryfikować w komórce.
- Pozostawienie wersji/transkrypcji genomu nieokreślonej. Celem może być niewłaściwy ekson.
- Poleganie na jednym pojeździe. W zastosowaniach krytycznych wymagane jest potwierdzenie za pomocą wielu narzędzi.
Uwaga: edycja genów do celów ludzkich lub klinicznych podlega surowym regulacjom etykowym i prawnym. Ta jednostka dotyczy umiejętności badawczych i projektowych; Decyzje dotyczące praktyki klinicznej wymagają zgody komisji etyki, zespołu ekspertów i odpowiednich przepisów. Edycja linii zarodkowej (dziedziczona) jest zabroniona w wielu krajach.
Głębokość: odczytaj wyniki odbiegające od docelowych w sposób numeryczny
Oceniaj ryzyko odbiegające od docelowego za pomocą dwóch konkretnych wyników, a nie niejasnych słów, takich jak „wysokie/niskie”. Wynik MIT (0-100) podsumowuje, jak specyficzny jest gRNA w całym genomie; Wysoki wynik (np. 80+) oznacza mniejsze ryzyko odbiegające od celu. Wynik CFD (wyznaczanie częstotliwości cięcia, 0-1) szacuje prawdopodobieństwo faktycznego wycięcia każdego obszaru poza celem, jeden po drugim; Nawet pojedynczy obszar odbiegający od docelowego powyżej 0,2 może wyeliminować kandydata do zastosowań krytycznych. Niech sztuczna inteligencja wyjaśni te dwa wyniki, a następnie samodzielnie odczyta rzeczywiste wartości na wyjściu pojazdu.
Konkretny przykład: zespół wybierał między dwoma kandydatami. Kandydat A uzyskał wynik MIT na poziomie 91, a najwyższy wynik CFD poza celem wyniósł 0,05. Kandydat B uzyskał wynik MIT wynoszący 88, ale miał pojedynczy element nieprawidłowy w eksonie genu supresorowego nowotworu z CFD wynoszącym 0,34. Chociaż ogólne wyniki wydawały się zbliżone, gdzie wynik odbiegający od docelowego (kodowanie genu krytycznego funkcjonalnie) sprawił, że Kandydat B był nie do zaakceptowania. Niezbędna jest ocena obiektów nietypowych nie tylko pod względem liczby, ale także biologicznego znaczenia genu, na który się one nakładają.
Kolejna kwestia: wystąpienie niedopasowań w regionie „zalążkowym” w pobliżu PAM jest znacznie bardziej ryzykowne niż w regionie odległym; Nawet różnica 1-2 zasad w obszarze nasion może zatrzymać Cas9, podczas gdy różnica 3-4 zasad od PAM może być tolerowana. Dlatego jego lokalizacja jest równie ważna, jak liczba rozbieżności.
Wynik/kryterium
Grudzień
Komentarz
Specyfika MIT
0-100
Wysokie = małe ryzyko odbiegające od celu
CFD (poza celem)
0-1
Wartość powyżej 0,2 można wyeliminować w zastosowaniach krytycznych
Stanowisko niezgody
nasiona/zdalne
Obszar nasion jest znacznie bardziej ryzykowny
Podsumowując
- AI w projektowaniu CRISPR; jest to asystent, który opracowuje strategię, pisze kod i wyjaśnia opcje, a nie narzędzie, które „produkuje” gRNA.
- Kandydaci na gRNA muszą być wytwarzani za pomocą specjalnych narzędzi (CRISPOR/CHOPCHOP), a PAM i poza celem muszą być kontrolowane numerycznie.
- Ocena projektu jest oceną szacunkową; Efekt celowy i pozacelowy należy potwierdzić eksperymentalnie (sekwencjonowanie).
- Praktyki kliniczne i zarodkowe podlegają surowym ograniczeniom etycznym/prawnym.
Zadanie aplikacji
Pobierz docelowy region genu z Ensembl. Uruchom powyższy kod wstępnej selekcji PAM i wypisz potencjalne protoprzerywniki. Następnie wyeksportuj ten sam region do narzędzia takiego jak CRISPOR i uzyskaj wyniki trafne i odbiegające od docelowych; Porównaj kandydatów do kodu z zaleceniami narzędzia. Wskaż kandydata o najwyższym ryzyku niecelowym i napisz w jednym zdaniu, dlaczego zostanie wyeliminowany.
lista kontrolna
- [ ] Ustaliłem cel według genu, eksonu, wersji genomu i transkryptu.
- [ ] Serial mam z wiarygodnego źródła, nie mam go zapamiętanego przez sztuczną inteligencję.
- [ ] Wygenerowałem i oceniłem kandydatów na gRNA za pomocą niestandardowego narzędzia.
- [ ] Sprawdziłem obecność PAM i ryzyka off-target.
- [ ] Przygotowałem eksperymentalny plan weryfikacji.
- [ ] Jestem świadomy granic etycznych/prawnych i uzyskałem zgodę ekspertów.