OakRidgeNationalLaborator的科学家们培养了他们的生物学、人工智能和生物工程专家,以改进CRISPRCas9基因编辑工具——一种可以被修改为生产可重复使用的燃料和化学品的微型生物
CRISPR是一种强大的生物工程工具,用于改善和改善生物体的性能或纠正突变CRISPRCas9工具是一种单一的引导RNA,它引导Cas9酶与单体中相应的靶位点结合并切割现有的CRISPR工具的有效预测指南RNA模型是基于少数模型物种的数据构建的,在应用于微生物时效率较弱,不一致“所有的RISPR工具都是为正常的哺乳动物细胞、果蝇或其他模式物种开发的。在染色体结构和大小完全不同的情况下,Fewh已经被调到了一个临界点,”加州合成生物学集团的负责人CarrieEckert说“我们观察到设计CRISPRCas9机器的模型在与微生物一起工作时表现出不同的行为,这项研究证实了我们所知甚少。”
为了改进引导RNA的建模和设计,ORNL科学家必须更好地了解所有细胞核的血液和基础水平的变化,这些细胞核是遗传物质的储存地他们转向量子生物学,一种桥接分子生物学和量子化学的方法,研究远程电子结构对核苷酸的化学性质和相互作用的影响,核苷酸是构成DNA和RNA构建块的分子
RNL计算系统的EricaPrates说,电子在分子中的分布方式影响反应活性和信息稳定性,包括Cas9酶引导的RNA复合物与化学探针的DNA有效结合的可能性
上述决定的最佳指南
科学家们提出了一种称为数据森林的人工智能模型他们研究了一组约50000个引导RNA的去甲肾上腺素和去甲肾上腺素,以获得E的名称大肠杆菌细菌同时也考虑了定量的化学性质,这是我们在核酸研究中描述的方法
模型级别的关键特征是能够选择特定引导RNA的核苷酸Pratessaid说:“该模型有助于我们了解四种指导RNA的有效性,为我们提供了丰富的分子信息库,可以帮助我们改进CRISPR技术。”
ORNL研究人员通过在E上进行CRISPRCas9切割实验,验证了可解释的AI模型coli和模型选择的大量引导物ORNL计算系统的资深专家JaclynNoshay说,利用可解释的AI,科学家们对这些结果的生物机制有了理解,而不是建立在缺乏可解释性的“黑盒”算法基础上的深度学习模型
Noshay说:“我们希望提高对微生物物种最佳切割效率的认识,并制定指导设计规则,重点是认识到模型菌株在跨[生物]王国中的兼容性。”可解释的AI模型,具有数千种功能和迭代结构,是在ORNL’sOakRidgeLeadershipComputerFacility或OLCF(DOEOOffice of ScienceuserFacility)的高级计算机上进行培训的
Eckert说,他们的合成生物学研究计划与ORN的计算科学集合一起工作,利用新的微生物CRISPRCas9模型研究他们的知识,并利用标记实验的数据或微生物种类的可用性进一步改进每个物种的BetterCRISPRCas9工具
考虑到数量和性质,为每个物种的Cas9改进指南打开了大门埃克特说:“这篇论文甚至包含了人类层面的含义。”“例如,如果你正在寻找一个或多个药物开发,你正在使用CRISPR来靶向基因的特定区域,你必须有一个堆叠的模型来预测这些指南。”
重新设计CRISPRCas9模型通过将基因类型与表型、组织学和功能基因组学连接起来的流水线,使患者获得更高的结果对ORNL领导的生物能源创新中心(CBI)的工作进行了一些简化,例如,改进生物能源的种子植物和生物物质的细菌发酵
Eckert说:“我们用这项研究极大地改进了对指南RNA的预测。”“我们越能更好地理解生物过程,并将其纳入我们的预测,目标组就会越大,从而提高决策和研究的必要性。”“我们研究的一个主要目标是提高使用CRISPR工具对重组DNA进行预测性修饰的能力。这项研究代表了对,,,理解我们如何避免制造生物体的遗传密码的一个突破性进展。”ORN’s PaulAbraham说,非生物分析化学专家是支持CRISPR研究的牛津基因组科学计划的安全生态系统工程和设计科学重点区域(SEEdSFA)的成员“当我们生成训练数据的条件并继续进行可解释的平均AI建模时,我很少了解这些预测可以改进多少。”
该出版物的合著者包括ORN’sWilliamAlexander、DawnKlingeman、EricaPrates、CarrieEckert、StephanIrlean和DanielJacobson;TylerWalker、Jonathan Romero和Angelica Walker来自位于诺克斯维尔的田纳西大学跨学科研究和研究生教育中心;和Jaclyn Noshay和DavidKainer,他们分别在ORNLandnow和Bayer以及昆士兰大学学习
该项目的资金由EEDSFA和CBI提供,这两个机构都是科学办公室生物与环境研究计划的一部分,由ORNL实验室指导的研究与开发计划提供,并由OLCF和科学计算与数据环境的高性能计算资源提供,这两者都得到了科学办公室的支持
来源:
Materials provided by
DOE/Oak Ridge National Laboratory.
注明: Content may be edited for style and length.
参考:
2024-09-15
2024-09-15
2024-09-15
2024-09-15
2024-09-15