[出典] "EpiCas-DL : Predicting sgRNA activity for CRISPR-mediated epigenome editing by deep learning" Yang Q, Wu L, Meng J, Ma L, Zuo E, Sun Y. Comput Struct Biotechnol J 2022-11-19. https://doi.org/10.1016/j.csbj.2022.11.034 [著者所属] Institute of Neuroscience (Shanghai), Zhengzhou U, Agricultural Genomics Institute at Shenzhen.
[Webサイト] http://www.sunlab.fun:3838/EpiCas-DL
中国の研究チームは今回、CRISPRシステムをベースとするエピゲノム編集ツールのsgRNAオンターゲット編集効率を予測するための包括的なディープラーニングフレームワークを開発し、Epigenome CRISPR-associated (Cas) Deep Learning (EpiCas-DL) として発表した。
EpiCas-DLは、
sgRNAの活性予測のために、入力された配列とエピゲノム情報から基礎となる特徴を学習するコンボリューションニューラルネットワーク（CNN）に基づいている [Fig.1引用右図参照]。
sgRNAの活性予測のために、入力された配列とエピゲノム情報から基礎となる特徴を学習するコンボリューションニューラルネットワーク（CNN）に基づいている [Fig.1引用右図参照]。 EpiCas-DLは、CRISPRoff、CRISPRi、およびCRISPRaスクリーニングデータセットのデータで高い予測効果を達成し、これまでのin silico sgRNA活性予測ツール [＊]を凌駕した。
さらに、EpiCas-DLは、遺伝子サイレンシングや遺伝子活性化におけるsgRNAの効果に影響を与えるエピジェネティックおよび配列の特徴を特定し、研究および治療におけるエピゲノム編集の応用を促進する。
[＊]
- Random Forest：J. Sun, G. Zhong, K. Huang, J. Dong. "Banzhaf random forests: Cooperative game theory based random forests with consistency" Neural Netw 2018-06-28. https://doi.org/10.1016/j.neunet.2018.06.006
- Gradient Boosting: J.H. Friedman "Greedy Function Approximation: A Gradient Boosting Machine" Ann Statist 2001-10 https://doi.org/10.1214/aos/1013203451
- DeepHF: D. Wang, C. Zhang, B. Wang, B. Li, Q. Wang, D. Liu, et al. "Optimized CRISPR guide RNA design for two high-fidelity Cas9 variants by deep learning" Nat Commun 2019-09-19. https://doi.org/10.1038/s41467-019-12281-8；2019-09-20 eepHF: SpCas9とその高精度版２種類に最適なgRNAsを設計する深層学習モデルを構築・公開. https://crisp-bio.blog.jp/archives/19998266.html
- C-RNNcrispr: G. Zhang, Z. Dai, X. Dai "C-RNNCrispr: Prediction of CRISPR/Cas9 sgRNA activity using convolutional and recurrent neural networks" Comput Struct Biotechnol J 2020-02-12. https://doi.org/10.1016/j.csbj.2020.01.013
コメント