CELL：刘如谦发文，不需要做实验，机器学习预测基因编辑结果
2020-06-13 MedSci原创 MedSci原创
刘如谦团队在哺乳动物细胞中的38,538个基因组整合靶点上表征了11个胞嘧啶和腺嘌呤碱基编辑器（CBEs和ABEs）的序列-活性关系，并将所得结果用于训练BE-蜂巢机器学习模型。
虽然碱基编辑器被广泛用于基因靶向点突变，但至今为止，我们对于决定碱基编辑结果的因素并不十分了解。
最近，刘如谦团队在哺乳动物细胞中的38,538个基因组整合靶点上表征了11个胞嘧啶和腺嘌呤碱基编辑器（CBEs和ABEs）的序列-活性关系，并将所得结果用于训练BE-蜂巢机器学习模型，该模型可以准确预测碱基编辑基因型结果（R≈0.9）和效率（R≈0.7）。
研究人员以≥90%的精度纠正了3388个疾病相关的SNV，包括675个旁观者核苷酸的等位基因，BE-Hive正确预测了这些等位基因不会被编辑。
研究人员还发现了以前无法预测的C-to-G，或C-to-A编辑的决定因素，并利用这些发现以≥90%的精度修正了174个致病性转位SNV的编码序列。
最后，研究人员利用BE-Hive的分析，设计出了新的CBE变体，这些变体可以调节编辑结果。
总之，这些发现阐明了碱基编辑，使以前难以解决的靶点的编辑成为可能，并为新的碱基编辑提供了改进的编辑能力。
原始出处：
Mandana Arbab et al. Determinants of Base Editing Outcomes from Target Library Analysis and Machine Learning, CELL (2020). DOI:https://doi.org/10.1016/j.cell.2020.05.037
版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
#Cell#
61
#CEL#
0
#机器#
0