Un nuovo progetto di rete neurale per valutare il successo della selezione di RNA indicativi per l’editing genico. Questa metodologia consentirà una modifica del DNA più efficiente utilizzando il famoso sistema CRISPR/Cas, che aiuterà a sviluppare nuove tattiche per creare organismi geneticamente modificati e trovare modi per curare gravi malattie genetiche. Lo studio, finanziato dalla Russian Science Foundation, è stato pubblicato su Ricerca sugli acidi nucleici.
L’editing genetico, in particolare la tecnologia CRISPR/Cas, è ampiamente utilizzato in biologia sperimentale, agricoltura e biotecnologia. CRISPR/Cas è una delle tante armi che i batteri usano per combattere i virus. Quando il DNA dell’agente patogeno entra nella cellula, le proteine Cas lo rilevano come materiale genetico estraneo e lo scompongono perché la sua sequenza è diversa da quella dei batteri. Per rispondere a un virus più velocemente, i batteri preservano pezzi del DNA di un agente patogeno, proprio come gli antivirali per computer mantengono una serie di firme virali, e li trasmettono alle generazioni successive in modo che i loro Cas possano prevenire attacchi futuri.
Squadre di diversi laboratori hanno adattato in modo indipendente il sistema CRISPR/Cas per introdurre cambiamenti casuali nelle sequenze di DNA nelle cellule umane e animali. Ha reso l’editing genetico molto più semplice ed efficiente. I componenti chiave del meccanismo sono l’RNA guida, che “segna il sito”, e la proteina Cas9, che taglia il DNA in quel sito. La cellula in seguito “guarisce la ferita”, ma il codice genetico è già stato modificato.
Il problema è che la guida al targeting dell’RNA non è sempre accurata, il che porta a un’interpretazione errata di Cas9. È fondamentale trasformare la tecnologia CRISPR/Cas in uno strumento utile e ad alta risoluzione, soprattutto nei trattamenti medici.
I ricercatori di Skoltech hanno utilizzato il deep learning, i processi gaussiani e altri metodi che hanno migliorato l’accuratezza nell’identificazione degli RNA guida appropriati. I ricercatori hanno creato una serie di reti neurali, modelli matematici addestrabili rappresentati come moltiplicazione sequenziale di matrici, che sono enormi matrici di numeri con complesse strutture sottostanti. Una rete neurale può apprendere perché contiene una “memoria” di numeri aggiornati in un certo modo ogni volta che il sistema esegue il calcolo in modalità di addestramento. I modelli sono stati addestrati su set di dati che includevano decine di migliaia di RNA confermati sperimentalmente che hanno mostrato una grande accuratezza nelle cellule umane e animali.
È stato presentato un metodo per calcolare la probabilità di scissione del DNA per un dato RNA. I risultati ottenuti possono guidare il disegno sperimentale in qualsiasi applicazione basata su CRISPR/Cas. Hanno usato reti neurali per generare un vettore di RNA per alterare con precisione i geni sul 22° cromosoma umano. Ciò è reso possibile dalla straordinaria accuratezza della previsione della frequenza di scissione e dall’inclusione di una caratteristica di valutazione dell’incertezza nella previsione che nessuno dei metodi precedenti ha fornito.
Le scoperte possono essere utilizzate in molte applicazioni tecnologiche basate su CRISPR/Cas, come il trattamento di malattie genetiche, tecniche di coltivazione ed esperimenti di ricerca di base. La strategia di risparmio di tempo e risorse del team ha reso più facile scegliere l’RNA guida appropriato per modificare il DNA ad alta risoluzione, che può aiutare nello sviluppo di nuove opzioni di trattamento per i disturbi genetici a lungo termine.
Carta: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1065/6430490
Riferimento: https://medicalxpress.com/news/2021-12-neural-network-accurate-dna.html