Nature子刊：我国学者通过人工智能算法提高先导编辑的基因编辑技术效率

发布于:基因生物研究 2023-10-29 2880

2019年10月21日，基因编辑技术先驱刘如谦教授在 Nature 期刊发表论文【1】，开发了一种全新的精准基因编辑工具——先导编辑（Prime Editor，PE），其不依赖DNA双链断裂，且无需DNA供体模板，便可有效实现所有12种单碱基的自由转换，而且还能有效实现多碱基的精准插入与删除。该工具“原则上可以修复75000种已知致病性人类遗传变异的89%”。该技术已经得到全世界数百个实验室的验证，最近，刘如谦教授在第七届Chardan遗传医学年会上表示，将在2024年进行先导编辑的首次临床试验。

先导编辑（PE）系统包括两部分，一个含有DNA切口酶（Cas9 nickase，nCas9）和工程逆转录酶（RT）的融合蛋白；另一个是PE向导RNA——pegRNA。而先导编辑效率受到pegRNA的显著影响，因此，pegRNA的优化设计就极其必要和重要。

当前，基于规则的pegRNA设计方法仍受限于人类专家的专业知识和经验，而现有的几种基于机器学习的pegRNA设计模型非常依赖人工特征工程，准确性和泛化性有限，此外，它们还固有地缺乏可解释性。

2023年10月26日，重庆医科大学刘峰特聘副教授、西北农林科技大学王小龙团队和军事科学院军事医学研究院王升启/舒文杰团队合作，在 Nature Machine Intelligence 期刊发表了题为：Design of prime-editing guide RNAs with deep transfer learning 的研究论文【2】。

该研究设计和开发了一种可解释的核苷酸语言模型——OPED（Optimized Prime Editing Design），用来预测先导编辑效率和设计pegRNA。在各种公开数据集上的全面验证证明了OPED在不同情景下的广泛适用性，并且都显著提高了编辑效率（2.2-82.9倍）。

通过实验在PE2、PE3/PE3b和ePE不同编辑系统中都高效地安装了ClinVar数据库中各种类型的致病遗传变异，并且有着比现有的先导编辑设计工具更高的平均编辑效率，进一步确证明了OPED的多功能性和有效性。

研究团队从超过20亿个候选设计中构建了OPEDVar优化设计数据库，并开发了OPED网站（http://bicdb.ncpsb.org.cn/OPED），以用于任何期望的基因编辑。

OPED可以自动从原始核苷酸序列中学习靶向DNA和pegRNA对的全面且可解释的表示，从而提高了其泛化性和准确性，而无需依赖预定义的人工特征。

研究团队展示了OPED在不同的编辑类型、编辑位置、内源位点、实验室条件、tevopreQ1条件、错配修复抑制条件、体外细胞系和体内小鼠肝细胞中预测pegRNA编辑效率的普适性和准确性。值得注意的是，具有较高OPED编辑分数的pegRNA与在前述情况下具有较低OPED分数的pegRNA相比，其编辑效率明显更高（2.2-82.9倍）。此外，OPED的内在可解释性还揭示了影响pegRNA编辑效率的核苷酸水平因素。

研究团队通过使用OPED优化的PE设计（pegRNA和sgRNA）高效地安装了各种ClinVar致病遗传变异，验证了OPED的广泛适用性和优越性能。OPED推荐的PE设计在平均编辑效率上明显高于现有PE设计工具生成的设计（PE2，2.1-6.8倍；PE3/PE3b，7.9-24.6倍；ePE，3.4-47.5倍）。OPED在所有比较中始终优于现有PE设计工具。