[出典] "Massively parallel quantification of CRISPR editing in cells by TRAP-seq enables better design of Cas9, ABE, CBE gRNAs of high efficiency and accuracy" Xiang X, Qu K, Liang X, Pan X [..] Lin L, Luo Y. bioRxiv 2020-05-21.
- Aarhus UniversityとBGI-Qingdaoなどの研究グループは今回、20 bpのスペーサと82 bpのスキャフォールドからなる102 bpのgRNA発現カセットに、gRNAの標的となる37 bpの配列を接続したコンストラクトを利用するTRAP-seq (Targeted Reporter Anchored Positional Sequencing)法を開発した。
- TRAP−seqに拠ってHEK293T細胞において、3,834種類のタンパク質コーディング遺伝子を標的とする12,000 TRAP-seqライブラリーを介して、Cas9, CEBおよびABEによる編集結果のデータを集積した。
- その上で、研究グループがベイジアン・リッジ回帰に基づく機械学習アルゴリズムに基づいて開発したGNL-Scorerによりモデルを構築した。SpCas9については、これまでに公開されている５種類のデータセットについて、GNL-Scorerと各種機械学習モデル (DeepCas9, Azimuth-2.0, TUSCAN, CRISPRaterおよびSSC)とgRNA活性予測結果を比較し、概ねGNL-Scorerが概ね優るとした。
- SHapley Additive exPlanations (SHAP)アルゴリズムによって、gRNAの性能を左右する変数 (融解温度、GC含量、配列モチーフなど)抽出も試みた。
- 今回の解析結果は、Human CRISPR atlasとしてhttp://www.crispratlas.com/crisprから公開した。SpCas9, ABEまたはCBEを選択した上で、標的遺伝子のシンボルを入力すると、候補gRNAsがその効率予測値などと伴に表示される [画面キャプチャ引用下図参照]。
関連crisp_bio記事と論文
- 機械学習モデルにより一塩基編集技術を磨く [第1項] ディープラーニングに基づくモデルにより、NHEJ/MMEJを介した1-bp挿入と病因変異修復を実現
- CRISPRメモ_2018/08/27 [第1項] Cas9が誘導するDSBの修復過程で生成される変異は、周囲の配列から予測可能
- crisp_bioコレクション: CRISPR技術を支援する機械学習
- High-throughput analysis of the activities of xCas9, SpCas9-NG and SpCas9 at matched and mismatched target sequences in human cells. Kim HK [..] Liu DR, Kim HH. Nat Biomed Eng 2020-01-14
コメント