La bioinformática rusa ha creado una arquitectura de red neuronal que puede evaluar qué tan bien se ha elegido una guía de ARN para la edición de genes.
Un nuevo diseño de red neuronal para evaluar el éxito con el que se eligió un ARN guía para un procedimiento de edición de genes. Esta metodología permitirá una alteración del ADN más eficiente utilizando el popular sistema CRISPR / Cas, que ayudará a desarrollar nuevas tácticas para crear criaturas modificadas genéticamente y encontrar formas de curar enfermedades hereditarias graves. El estudio, financiado por la Russian Science Foundation, fue publicado en Investigación de ácidos nucleicos.
La edición genómica, particularmente la técnica CRISPR / Cas, se usa ampliamente en biología experimental, agricultura y biotecnología. CRISPR / Cas es una de las varias armas que utilizan las bacterias para resistir los virus. A medida que el ADN del patógeno ingresa a la célula, las proteínas Cas lo detectan como un material hereditario extraño y lo descomponen porque sus secuencias difieren de las de las bacterias. Para responder al virus más rápidamente, la bacteria guarda partes del ADN del patógeno, al igual que un antivirus de computadora retiene una colección de firmas virales, y las transmite a las generaciones posteriores para que su Cas pueda prevenir ataques futuros.
Equipos de diferentes laboratorios adaptaron de forma independiente el sistema CRISPR / Cas para introducir cambios arbitrarios en las secuencias de ADN en células humanas y animales. Esto hizo que la edición genómica fuera mucho más fácil y eficiente. Los componentes críticos del mecanismo son el ARN guía, que «marca el lugar», y la proteína Cas9, que escinde el ADN en ese lugar. La célula luego «cura la herida», pero el código genético ya ha sido alterado.
El problema es que la orientación del ARN guía no siempre es precisa, lo que lleva a una interpretación incorrecta de Cas9. Es fundamental transformar la tecnología CRISPR / Cas en una herramienta útil de alta precisión, especialmente para tratamientos médicos.
Los investigadores de Skoltech utilizaron el aprendizaje profundo, los procesos gaussianos y otros enfoques para mejorar la precisión de la identificación de ARN guía adecuados. Los investigadores crearon una colección de redes neuronales, modelos matemáticos entrenables representados como multiplicación secuencial de matrices, que son matrices enormes de números con estructuras subyacentes complicadas. Una red neuronal puede aprender porque contiene «memoria» en números que se actualizan de cierta manera cada vez que el sistema realiza el cálculo en modo de entrenamiento. Los modelos se entrenaron en conjuntos de datos que incluyen decenas de miles de ARN guía confirmados experimentalmente que demostraron una gran precisión en células humanas y animales.
Se ha introducido un método para calcular la probabilidad de escisión del ADN para un ARN guía determinado. Las puntuaciones obtenidas pueden orientar el diseño experimental en cualquier aplicación basada en CRISPR / Cas. Utilizaron redes neuronales para generar un conjunto de ARN guía para alterar con precisión genes en el cromosoma 22 humano. Esto fue posible gracias a la extraordinaria precisión de la predicción de la frecuencia de división y la inclusión de una característica de evaluación de la incertidumbre de la predicción que ninguno de los enfoques anteriores proporcionaba.
Los hallazgos se pueden utilizar para una variedad de aplicaciones de tecnología basadas en CRISPR / Cas, como la terapia de trastornos genéticos, tecnologías agrícolas y ensayos de investigación fundamental. La estrategia del equipo para ahorrar tiempo y recursos ha facilitado la elección del ARN guía adecuado para la edición de ADN de alta precisión, lo que puede ayudar en el desarrollo de nuevas opciones de tratamiento para enfermedades genéticas a largo plazo.
Artículo: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1065/6430490
Referencia: https://medicalxpress.com/news/2021-12-neural-network-accurate-dna.html
Sugirió
