Eventualmente se convirtió en una revolución ganadora del premio Nobel cuando los investigadores diseñaron por primera vez CRISPR como una tecnología de edición de genes para células bacterianas, vegetales, animales y humanas. El potencial de la tecnología es grande y abarca desde curar enfermedades genéticamente eliminadas hasta aplicaciones en agricultura ybiotecnología industrial, pero existen desafíos.
Uno de esos desafíos consiste en seleccionar una molécula de ARNg que debe diseñarse para guiar a la proteína Cas9 a la ubicación correcta en el ADN donde hará un corte en relación con la edición del gen.
"Por lo general, hay múltiples ARNg posibles y no todos son igualmente eficientes. Por lo tanto, el desafío es seleccionar los pocos que funcionen con alta eficiencia y eso es precisamente lo que hace nuestro nuevo método", dice Yonglun Luo, profesor asociado del Departamentode Biomedicina en la Universidad de Aarhus.
El nuevo método se desarrolla a partir de los nuevos datos de los investigadores y la implementación de un algoritmo, que brinda una predicción sobre qué gRNAs funcionan de manera más eficiente.
"Al combinar nuestros propios datos con los datos disponibles públicamente e incluir el conocimiento sobre las interacciones moleculares entre el ARNg, el ADN y la proteína CRISPR-Cas9, hemos logrado desarrollar un método mejor", dice Jan Gorodkin, profesor del Departamento de Veterinariay Ciencias Animales en la Universidad de Copenhague.
Datos, interacciones moleculares de aprendizaje profundo
El grupo de investigación de Jan Gorodkin con Giulia Corsi y Christian Anthon han colaborado con el grupo de investigación de Yonglun Luo para lograr los nuevos resultados. La parte experimental del estudio fue realizada por el grupo de Luo mientras que el grupo de Gorodkin encabezó el modelado por computadora.
"En nuestro estudio, hemos cuantificado la eficiencia de las moléculas de ARNg para más de 10,000 sitios diferentes. El trabajo se logró utilizando un método masivo basado en bibliotecas de alto rendimiento, que no sería posible con los métodos tradicionales", dice Yonglun Luo.
Los investigadores tomaron su punto de partida con respecto a la generación de datos en el concepto de tener un virus que expresa ARNg y un sitio diana sintético en una célula a la vez. Los sitios diana sintéticos tienen exactamente las mismas secuencias de ADN que los sitios diana correspondientes en el genoma. Por lo tanto, estos sitios de destino sintéticos se utilizan como los llamados sitios de destino sustitutos para capturar la eficiencia de edición de CRISPR-Cas9. Junto con colegas del Instituto Lars Bolund de Medicina Regenerativa en BGI-Research y la Escuela de Medicina de Harvard, generaron CRISPR-Actividad Cas9 para más de 10,000 gRNA.
Con este conjunto de datos de gRNA con eficiencias conocidas de baja a alta, los investigadores pudieron construir un modelo que podría predecir eficiencias de gRNA que no se habían visto antes.
"Para entrenar un algoritmo para que sea preciso, uno tiene que tener un gran conjunto de datos. Con nuestra biblioteca de virus, hemos obtenido datos que constituyen el punto de partida perfecto para entrenar nuestro algoritmo de aprendizaje profundo para predecir la eficiencia de gRNAs paraedición de genes. Nuestro nuevo método es más preciso que otros métodos actualmente disponibles ", dice Jan Gorodkin.
Fuente de la historia :
Materiales proporcionado por Universidad de Copenhague - Facultad de Ciencias Médicas y de la Salud . Nota: el contenido se puede editar por estilo y longitud.
Referencia de la revista :
cite esta página :