Революция CRISPR: объединение квантовой биологии и искусственного интеллекта для улучшения редактирования генома

 Исследования Национальной лаборатории Ок-Ридж в области квантовой биологии и искусственного интеллекта значительно повысили эффективность редактирования генома CRISPR Cas9 у микробов, способствуя развитию возобновляемых источников энергии.

Ученые из Национальной лаборатории Ок-Ридж усовершенствовали технологию CRISPR Cas9 для редактирования микробного генома с помощью квантовой биологии и объяснимого искусственного интеллекта. Этот прорыв позволяет проводить более точные генетические модификации микробов, расширяя потенциал возобновляемого топлива и химического производства. (Фото: scitechdaily.com)

Ученые из Национальной лаборатории Ок-Ридж (ORNL) использовали свой опыт в области квантовой биологии, искусственного интеллекта и биоинженерии, чтобы улучшить работу инструментов редактирования генома CRISPR Cas9 на таких организмах, как микробы, которые можно модифицировать для производства возобновляемого топлива и химических веществ.

CRISPR — мощный инструмент биоинженерии, используемый для модификации генетического кода с целью улучшения работоспособности организма или исправления мутаций. Инструмент CRISPR Cas9 основан на единственной уникальной направляющей РНК , которая направляет фермент Cas9 связываться и расщеплять соответствующий целевой участок в геноме. Существующие модели для компьютерного прогнозирования эффективных направляющих РНК для инструментов CRISPR были построены на данных лишь нескольких модельных видов и имели слабую и непостоянную эффективность при применении к микробам.

Исследование CRISPR, ориентированное на микробов

«Многие инструменты CRISPR были разработаны для клеток млекопитающих, плодовых мух и других модельных видов. Лишь немногие из них были ориентированы на микробы, у которых хромосомные структуры и размеры сильно различаются», — сказала Кэрри Эккерт, руководитель группы синтетической биологии в ORNL. «Мы заметили, что модели для проектирования механизмов CRISPR Cas9 ведут себя по-разному при работе с микробами, и это исследование подтверждает то, что мы знали по неофициальным данным».

Ученые ORNL разработали метод, который повышает точность инструмента редактирования генов CRISPR Cas9, используемого для модификации микробов для производства возобновляемого топлива и химикатов. Это исследование основано на опыте лаборатории в области квантовой биологии, искусственного интеллекта и синтетической биологии. (Фото: scitechdaily.com)

Чтобы улучшить моделирование и дизайн направляющей РНК, ученые ORNL стремились лучше понять, что происходит на самом базовом уровне в ядрах клеток, где хранится генетический материал. Они обратились к квантовой биологии — области, соединяющей молекулярную биологию и квантовую химию, которая исследует влияние электронной структуры на химические свойства и взаимодействия нуклеотидов — молекул, которые образуют строительные блоки ДНК и РНК.

То, как электроны распределяются в молекуле, влияет на реакционную способность и конформационную стабильность, в том числе на вероятность того, что комплекс фермент-направляющая РНК Cas9 будет эффективно связываться с ДНК микроба, говорит Эрика Пратес, биолог по вычислительным системам в ORNL.

Использование объяснимого ИИ в исследованиях CRISPR

Ученые создали объяснимую модель искусственного интеллекта, названную итеративным случайным лесом. Они обучили модель на наборе данных, состоящем примерно из 50 000 направляющих РНК, нацеленных на геном бактерий E. coli , а также принимая во внимание квантово-химические свойства в подходе.

Модель выявила ключевые особенности нуклеотидов, которые могут позволить выбрать лучшие направляющие РНК. «Эта модель помогла нам выявить подсказки о молекулярных механизмах, лежащих в основе эффективности наших направляющих РНК», — сказал Пратес, — «предоставив нам богатую библиотеку молекулярной информации, которая может помочь нам улучшить технологию CRISPR».

Исследователи ORNL подтвердили объяснимую модель искусственного интеллекта, проведя эксперименты по разрезанию E. coli с помощью CRISPR Cas9 с большой группой наставников, выбранных с помощью модели.

Использование объяснимого ИИ дало ученым понимание биологических механизмов, которые привели к результатам, а не модели глубокого обучения, основанной на алгоритме «черного ящика», которому не хватает интерпретируемости, говорит Жаклин Ношей, бывший биолог по вычислительным системам ORNL и первый автор статьи. .

«Мы хотели улучшить наше понимание правил разработки руководств для оптимальной эффективности резки с акцентом на виды микробов, учитывая знание несовместимости моделей, обученных в разных [биологических] царствах», — сказал Ношай.

Объяснимая модель искусственного интеллекта с ее тысячами функций и итеративным характером была обучена с использованием суперкомпьютера Summit в ORNL Oak Ridge Leadership Computer Facility (OLCF), пользовательском центре Управления науки Министерства энергетики США.

Эккерт сказала, что ее команда по синтетической биологии планирует работать с коллегами по вычислительной технике из ORNL, чтобы воспользоваться тем, что они узнали с помощью новой микробной модели CRISPR Cas9, и улучшить ее, используя данные лабораторных экспериментов или различные виды микробов.

Развитие инструментов CRISPR Cas9 для различных видов

Принятие во внимание квантовых свойств открывает возможности для улучшения руководства Cas9 для каждого вида. «Эта статья имеет последствия даже в человеческом масштабе», — сказал Эккерт. «Если вы рассматриваете, например, разработку какого-либо лекарства, где вы используете CRISPR для воздействия на определенную область генома, у вас должна быть наиболее точная модель для прогнозирования этих ориентиров».

Уточнение моделей CRISPR Cas9 дает ученым высокопроизводительный конвейер для связи генотипа с фенотипом или генов с физическими признаками — область, известная как функциональная геномика. Исследование имеет значение для работы Центра биоэнергетических инноваций (CBI), возглавляемого ORNL, например, по улучшению заводов по производству биоэнергетического сырья и бактериальной ферментации биомассы.

«Благодаря этому исследованию мы значительно улучшаем наши прогнозы относительно направляющей РНК», — сказал Эккерт. «Чем лучше мы понимаем происходящие биологические процессы и чем больше данных мы сможем использовать в наших прогнозах, тем точнее будут наши цели, повышая точность и скорость наших исследований».

«Основная цель нашего исследования — улучшить способность прогнозировать изменение ДНК большего количества организмов с помощью инструментов CRISPR. Это исследование представляет собой впечатляющий прогресс в понимании того, как мы можем избежать дорогостоящих «опечаток» в генетическом коде организма», — сказал Пол Абрахам из ORNL, биоаналитический химик, возглавляющий направление безопасной экосистемной инженерии и дизайна в программе геномных наук Министерства энергетики США. или SEED SFA, который поддержал исследование CRISPR. «Мне очень хочется узнать, насколько еще можно улучшить эти прогнозы, если мы создадим дополнительные обучающие данные и продолжим использовать объяснимое моделирование ИИ».

Ссылка: «Квантово-биологическое понимание эффективности sgRNA CRISPR-Cas9 в результате разработки объяснимых признаков на основе искусственного интеллекта» Жаклин М. Ношей, Тайлер Уокер, Уильям Дж. Александер, Дон М. Клингеман, Джонатон Ромеро, Анжелика М. Уокер, Эрика Прайтс, Кэрри Эккерт, Стефан Ирл, Дэвид Кайнер и Дэниел А. Джейкобсон, 20 сентября 2023 г., Исследования нуклеиновых кислот .

DOI: 10.1093/nar/gkad736

Соавторами публикации были Уильям Александер из ORNL, Дон Клингеман, Эрика Пратес, Кэрри Эккерт, Стефан Ирл и Дэниел Джейкобсон; Тайлер Уокер, Джонатан Ромеро и Анжелика Уокер из Бредесенского центра междисциплинарных исследований и последипломного образования при Университете Теннесси, Ноксвилл; и Жаклин Ношай и Дэвид Кайнер, которые раньше работали в ORNL, а теперь работают в Bayer и Университете Квинсленда соответственно.

Финансирование проекта было предоставлено SEED SFA и CBI, которые являются частью программы биологических и экологических исследований Министерства энергетики США, программой лабораторных исследований и разработок ORNL, а также высокопроизводительными вычислительными ресурсами OLCF и Compute. и «Среда данных для науки», оба также поддерживаются Управлением науки.

Источник