Modelos preditivos baseados em RNA desenvolvidos — ScienceDaily

A inteligência artificial pode prever a atividade dentro e fora do alvo das ferramentas CRISPR que visam o RNA em vez do DNA, de acordo com uma nova pesquisa publicada em Natureza Biotecnologia.

O estudo de pesquisadores da Universidade de Nova York, da Columbia Engineering e do New York Genome Center combina um modelo de aprendizado profundo com telas CRISPR para controlar a expressão de genes humanos de maneiras diferentes – como apertar um interruptor de luz para desligá-los completamente ou usando um botão dimmer para diminuir parcialmente a atividade. Esses controles genéticos precisos podem ser usados ​​para desenvolver novas terapias baseadas em CRISPR.

CRISPR é uma tecnologia de edição de genes com muitos usos na biomedicina e além, desde o tratamento da anemia falciforme até a engenharia de mostardas mais saborosas. Muitas vezes funciona direcionando o DNA usando uma enzima chamada Cas9. Nos últimos anos, os cientistas descobriram outro tipo de CRISPR que, em vez disso, tem como alvo o RNA usando uma enzima chamada Cas13.

Os CRISPRs direcionados ao RNA podem ser usados ​​em uma ampla gama de aplicações, incluindo edição de RNA, derrubando o RNA para bloquear a expressão de um gene específico e triagem de alto rendimento para determinar candidatos a medicamentos promissores. Pesquisadores da NYU e do New York Genome Center criaram uma plataforma para telas CRISPR direcionadas ao RNA usando Cas13 para entender melhor a regulação do RNA e identificar a função dos RNAs não codificantes. Como o RNA é o principal material genético em vírus, incluindo SARS-CoV-2 e gripe, os CRISPRs direcionados ao RNA também são promissores para o desenvolvimento de novos métodos para prevenir ou tratar infecções virais. Além disso, nas células humanas, quando um gene é expresso, uma das primeiras etapas é a criação do RNA a partir do DNA no genoma.

Um dos principais objetivos do estudo é maximizar a atividade dos CRISPRs direcionados ao RNA no RNA alvo pretendido e minimizar a atividade em outros RNAs que podem ter efeitos colaterais prejudiciais para a célula. A atividade fora do alvo inclui incompatibilidades entre o guia e o RNA alvo, bem como mutações de inserção e deleção. Estudos anteriores de CRISPRs direcionados ao RNA focaram apenas na atividade no alvo e incompatibilidades; a previsão de atividade fora do alvo, particularmente mutações de inserção e deleção, não foi bem estudada. Nas populações humanas, cerca de uma em cada cinco mutações são inserções ou deleções, portanto, esses são tipos importantes de possíveis alvos fora do alvo a serem considerados para o design do CRISPR.

“Semelhante aos CRISPRs direcionados ao DNA, como o Cas9, prevemos que os CRISPRs direcionados ao RNA, como o Cas13, terão um impacto enorme na biologia molecular e nas aplicações biomédicas nos próximos anos”, disse Neville Sanjana, professor associado de biologia da NYU, associado professor de neurociência e fisiologia na NYU Grossman School of Medicine, membro do corpo docente do New York Genome Center e co-autor sênior do estudo. “A previsão precisa do guia e a identificação fora do alvo serão de imenso valor para este campo e terapêutica em desenvolvimento recente”.

Em seu estudo em Natureza Biotecnologia, Sanjana e seus colegas realizaram uma série de telas CRISPR direcionadas ao RNA em células humanas. Eles mediram a atividade de 200.000 RNAs guia direcionados a genes essenciais em células humanas, incluindo RNAs guia de “combinação perfeita” e incompatibilidades, inserções e deleções fora do alvo.

O laboratório de Sanjana se uniu ao laboratório do especialista em aprendizado de máquina David Knowles para projetar um modelo de aprendizado profundo que eles chamaram de TIGER (Inibição direcionada da expressão gênica via design de RNA guia) que foi treinado nos dados das telas CRISPR. Comparando as previsões geradas pelo modelo de aprendizado profundo e testes de laboratório em células humanas, o TIGER foi capaz de prever a atividade no alvo e fora do alvo, superando os modelos anteriores desenvolvidos para o projeto de guia no alvo Cas13 e fornecendo a primeira ferramenta para prever -atividade alvo de CRISPRs direcionados a RNA.

“O aprendizado de máquina e o aprendizado profundo estão mostrando sua força na genômica porque podem aproveitar os enormes conjuntos de dados que agora podem ser gerados por experimentos modernos de alto rendimento. É importante ressaltar que também pudemos usar o “aprendizado de máquina interpretável” para entender por que o modelo prevê que um guia específico funcionará bem”, disse Knowles, professor assistente de ciência da computação e biologia de sistemas na Columbia Engineering, membro do corpo docente do New York Genome Center e co-autor sênior do estudo.

“Nossa pesquisa anterior demonstrou como projetar guias Cas13 que podem derrubar um RNA específico. Com o TIGER, agora podemos projetar guias Cas13 que atingem um equilíbrio entre derrubar no alvo e evitar atividades fora do alvo”, disse Hans-Hermann (Harm ) Wessels, co-primeiro autor do estudo e cientista sênior do New York Genome Center, que anteriormente era um pós-doutorando no laboratório de Sanjana.

Os pesquisadores também demonstraram que as previsões fora do alvo do TIGER podem ser usadas para modular com precisão a dosagem de genes – a quantidade de um gene específico que é expresso – permitindo a inibição parcial da expressão de genes em células com guias de incompatibilidade. Isso pode ser útil para doenças nas quais existem muitas cópias de um gene, como a síndrome de Down, certas formas de esquizofrenia, doença de Charcot-Marie-Tooth (um distúrbio nervoso hereditário) ou em cânceres em que a expressão gênica aberrante pode levar a crescimento tumoral descontrolado.

“Nosso modelo de aprendizado profundo pode nos dizer não apenas como projetar um RNA guia que derrube completamente uma transcrição, mas também pode ‘ajustá-la’ – por exemplo, fazendo com que ela produza apenas 70% da transcrição de um gene específico”, disse. disse Andrew Stirn, um estudante de doutorado da Columbia Engineering e do New York Genome Center, e co-primeiro autor do estudo.

Ao combinar inteligência artificial com uma tela CRISPR de direcionamento de RNA, os pesquisadores prevêem que as previsões do TIGER ajudarão a evitar atividades CRISPR indesejadas fora do alvo e estimularão ainda mais o desenvolvimento de uma nova geração de terapias de direcionamento de RNA.

“À medida que coletamos conjuntos de dados maiores de telas CRISPR, as oportunidades para aplicar modelos sofisticados de aprendizado de máquina estão crescendo rapidamente. Temos sorte de ter o laboratório de David ao lado do nosso para facilitar essa maravilhosa colaboração interdisciplinar. E, com o TIGER, podemos prever alvos fora do alvo e modular com precisão a dosagem de genes, o que permite muitas novas aplicações interessantes para CRISPRs direcionados ao RNA para biomedicina”, disse Sanjana.

Outros autores do estudo incluem Alejandro Méndez-Mancilla e Sydney K. Hart da NYU e do New York Genome Center, e Eric J. Kim da Columbia University. A pesquisa foi apoiada por doações do National Institutes of Health (DP2HG010099, R01CA218668, R01GM138635), DARPA (D18AP00053), do Cancer Research Institute e da Simons Foundation for Autism Research Initiative.

Acesse a notícia

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Utilizamos cookies para personalizar anúncios e melhorar a sua experiência no site. Ao continuar navegando, você concorda com a nossa Política de Privacidade