[出典] A Novel Hybrid CNN-SVR for CRISPR/Cas9 Guide RNA Activity Prediction. Zhang G, Dai Z, Dai X. Front Genet. 2020-01-08.

 中山大学 (広州)の研究グループが、深層学習の手法CNNによるgRNAsの配列とエピゲノムの特徴抽出に、SVMに基づく回帰解析 (Support Vector Regression, SVR) による高次元な特徴空間からの分類器生成を組み合わせることで、4種類のヒト細胞株 [1]全てについて既存のgRNA活性予測プログラム[2]に優るプログラムを開発しhttps://github.com/Peppags/CNN-SVRから公開
  1. HCT116; HEK293T; HeLa; HL90
  2. DeepCRISPR; Seq-deepCpf1 [3]sgRNA Designer; Spacer Scoring for CRISPR (SSC) [論文 / Webサイト]; WU-CRISPR [論文 / Webサイト]
  3. CRISPRメモ_2018/02/04 [第3項] CRISPR-Cpf1 gRNA活性予測精度を、深層学習(deep learning)により向上
[参考] 原論文から3つの図を以下に引用:
Figure 1 (CNN-SVRのワークフロー概要図)1
Figure 3 (深層学習または機械学習による既存のgRNA活性予測プログラムとの比較)2
Figure 5 (gRNAの配列の各位置におけるA/T/G/Cの種類とエピゲノムの状態が、gRNAの活性に及ぼす影響の大きさを表す図)3