2021年8月12日,，Nature Communications在線發(fā)表了中國農(nóng)業(yè)科學院（深圳）農(nóng)業(yè)基因組研究所（以下簡稱“基因組所”）左二偉團隊與中國科學院腦科學與智能技術卓越創(chuàng)新中心孫怡迪研究組的研究論文，題為“Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods”,。該研究優(yōu)化得到高效率,、高保真的新型OPTI-CGBEs，并開發(fā)出能夠準確預測OPTI-CGBEs編輯效果的深度學習模型CGBE-SMART,。

研究背景

　　單堿基編輯技術是近年來發(fā)展的一種新型基因編輯技術,，它基于CRISPR/Cas9系統(tǒng)，能夠在不打斷DNA雙鏈的前提下,，精準地實現(xiàn)DNA中單個堿基的替換,，在生物研究和臨床醫(yī)療中應用廣泛。

　　然而目前已經(jīng)開發(fā)并得到廣泛應用的堿基編輯器只能將C·G堿基對替換為T·A堿基對（C→T）,，或者將A·T替換為G·C（A→G）,，即只能修復由C>T或者A>G導致的遺傳表型或者疾病,，而對于其它類型的單堿基突變束手無策。

　　2020年,，科研人員在胞嘧啶堿基編輯器（CBE）的基礎上,，研發(fā)了能夠將胞嘧啶轉換為鳥嘌呤的堿基編輯器（C-to-G base editor, CGBE），但CGBE編輯器技術仍處于初步階段,，其特異性,、保真性以及編輯特點仍需進一步研究。

研究結果

　　2021年,，中國農(nóng)業(yè)科學院深圳農(nóng)業(yè)基因組研究所左二偉研究組與中國科學院腦科學與智能技術卓越創(chuàng)新中心孫怡迪研究組合作開發(fā)了高效率,、高保真的新型OPTI-CGBEs并建立機器學習模型CGBE-SMART。該研究成果將進一步加速CGBE的應用研究,，為科研人員提供更高效,、脫靶率低的基因編輯工具。

　　研究方法

　　首先通過篩選不同物種來源的UNGs,、密碼子優(yōu)化等方式獲得OPTI-CGBEs,，并在全基因組及轉錄組范圍內研究其保真性。接著通過內源位點及文庫水平研究發(fā)現(xiàn)OPTI-CGBEs在WCW motif中的C-to-G編輯效率更高,，研究人員進一步開發(fā)出TCW motif偏好性的eA3A-OPTI-CGBEs,，偏好CCN motif的hA3G-OPTI-CGBEs和hA3G-CTD-OPTI-CGBEs等編輯器，或者用可識別NG PAM的Cas9n-NG,、spGn和xCas9n替換OPTI-CGBEs中的nCas9，分別構建了不同CGBEs版本,，擴大了CGBE的可編輯范圍,。

　　為方便其他研究人員選擇合適的C-to-G堿基編輯器和高效預估編輯效率，研究人員建立預測不同C-to-G堿基編輯器編輯效果的深度學習模型CGBE-SMART,。它不僅能夠準確預測C-to-G編輯效率,，而且與之前的預測模型相比，在預測C-to-T編輯效果中也有極為出色的表現(xiàn),。CGBE-SMART結合神經(jīng)網(wǎng)絡和概率圖模型,，為每一個編輯位置獨立訓練一套參數(shù)來預測該位置上的編輯效率。該模型使用了大小不同的卷積核,，建立一組基礎單元網(wǎng)絡對編輯位置周圍的堿基進行特征提取和效率預測,。最終研究人員將不同基礎單元網(wǎng)絡的預測結果用一套習得的參數(shù)進行加權平均。模型以編輯位點附近的40bp作為輸入,，通過神經(jīng)網(wǎng)絡預測出guide RNA結合位置1至20的編輯效率并進一步利用貝葉斯網(wǎng)絡預測不同編輯結果的占比,。研究人員還利用構建的OPTI-CGBEs在小鼠胚胎中高效對Tyr毛色基因進行編輯。

　　基因組所助理研究員袁堂龍,、博士后閆娜娜,、碩士研究生鄭基壇、劉敬、科研助理李娜娜,、中國科學院腦科學與智能技術卓越創(chuàng)新中心費天一和孟娟為該論文的共同第一作者,，基因組所左二偉研究員和中國科學院腦科學與智能技術卓越創(chuàng)新中心孫怡迪研究員為共同通訊作者。該研究得到了基金委,，農(nóng)科院,，深圳市的資助。

　　相關論文信息：https://www.nature.com/articles/s41467-021-25217-y