机器学习可预测基因组修复结果 实现精准、无模板CRISPR-Cas9编辑

英国《自然》杂志近日在线发表了一项人工智能及生物技术研究：科学家报告了一种方法，可通过机器学习对致病基因变异实现精准且可预测的编辑。这项成果为研究遗传疾病，开发潜在疗法提供了新的可能性。

虽然CRISPR-Cas9彻底改变了用于研究的基因组编辑技术，但目前认为，保证这项技术的准确性尤其重要。

CRISPR-Cas9基因组编辑常用DNA“模板”来确保DNA修复的准确性，或将特定的DNA序列导入基因组中。因此，缺少这些模板的DNA修复常被认为不够准确。

现在，美国布列根和妇女医院及哈佛医学院科学家理查德·舒尔伍德及同事，发明了一种用机器学习预测基因组修复结果的方法，实现了精准的无模板Cas9编辑。研究团队用一个含有近2000对Cas9向导RNA（gRNA）和人体DNA靶点的数据库，训练了一个名为inDelphi的机器学习模型。

经该模型识别，5%—11%靶向人体基因组的Cas9向导RNA能在超过50%的情况下（被称为“精准-50”）产生单一且可预测的修复结果。inDelphi还能利用无模板Cas9编辑识别并预测出合适的致病基因变异靶标，包括一些曾被认为无法用该方法找到的靶标。

最后，研究团队通过实验证明，人体细胞中与赫曼斯基—普德拉克综合征（HPS、白化病综合征的一种）、Menkes病（又称毛发灰质营养不良）以及家族性高胆固醇血症这三种疾病有关的近200种致病变异，其编辑和修复的准确性都能达到精准-50的标准。

研究人员表示，这一结果建立了一种实现精准、无模板基因组编辑的方法。