Makine öğrenme algoritması, hücrelerin kırık DNA'yı nasıl onardığını tahmin ediyor

İnsan genomunun kendi editörleri ve editörleri vardır ve onların el işi bir zamanlar düşünüldüğü kadar gelişigüzel değildir.

DNA'nın çifte sarmalının X-ışınlarına maruz kalmasından sonra, moleküler makineler genomu bir araya getirmek için bir çeşit genetik "otomatik düzeltme" yaparlarsa da, bu onarımlar genellikle kusurludur. Akıllı telefonunuz yanlış yazılmış bir metin mesajını tutarsız bir cümleye dönüştürdüğü gibi, hücrenin doğal DNA onarım süreci, kırılma yerinde görünen ve rastgele olmayan bir şekilde DNA bitlerini ekleyebilir veya kaldırabilir. CRISPR-Cas9 ile genlerin düzenlenmesi, bilim adamlarının DNA'yı belirli yerlerde kırmasına izin verir, ancak bu, genlerin işlevini değiştiren "yazım hataları" oluşturabilir.

CRISPR kaynaklı hasarın "son katılım" olarak adlandırılan bu yanıtı, bir genin devre dışı bırakılması için yararlıdır, ancak araştırmacılar, terapötik amaçlar için istismar edilmeye çok fazla yatkın olduklarını kabul etmişlerdir.

Yeni bir çalışma bu görüşü desteklemektedir. İnsan ve fare hücrelerinin DNA'daki CRISPR ile indüklenen molalara nasıl tepki verdiğini tahmin eden bir makine öğrenme algoritması oluşturarak, araştırmacılardan oluşan bir ekip, hücrelerin kırık genleri genellikle kesin ve öngörülebilir, bazen de mutasyona uğramış genleri geri döndüren yollarla onardığını keşfetti. sağlıklı versiyon Buna ek olarak, araştırmacılar bu yordayıcı gücü, iki nadir genetik bozukluğa sahip olan hastalardan alınan hücrelerdeki test ve başarılı şekilde düzeltilmiş mutasyonlara koydular.

Çalışma, hücrenin genetik otomatik düzeltmesinin bir gün, DNA'nın kesin olarak kesilmesi ve hücrenin hasarı doğal olarak iyileştirmesine izin vererek doğru gen mutasyonlarının doğrulandığı CRISPR-temelli tedavilerle birleştirilebileceğini düşündürmektedir.

Bu hafta Nature dergisinde yayınlanan çalışma, Richard Merkin Profesör ve Sağlıkta Dönüşüm Teknolojileri Merkin Enstitüsü'nün yöneticisi olan David Liu ve Broad Institute'daki fakülte başkan yardımcısı tarafından yönetildi; David Gifford, MIT'de bilgisayar bilimi ve biyolojik mühendisliği profesörü; ve Brigham ve Kadın Hastanesinde Genetik Bölümü'nde yardımcı doçent olan Richard Sherwood.

Gifford, "Makine öğrenimi insan terapistlerinin geliştirilmesi için yeni ufuklar sunuyor" dedi. "Bu çalışma, hesaplama deney tasarımı ve analizinin terapötik amaçlarla birleştirilmesinin beklenmedik bir terapötik modaliteyi nasıl sağlayabileceğinin bir örneğidir."

Liu, “Şu anda pek çok insan hastalık mutasyonunu düzeltmek için etkili bir yolumuz yok” dedi. "Makine öğrenimini kullanarak, bizzat hücre mutabakatına izin vererek, bu mutasyonları tahmin edilebilir şekilde düzeltebileceğimizi gösterdik."

Hastalığa bağlı birçok mutasyon, ekleme ve delesyon olarak bilinen fazla veya eksik DNA içerir. Araştırmacılar bu mutasyonları CRISPR tabanlı gen düzenleme ile düzeltmeye çalıştılar. Bunu yapmak için, çift heliks bir enzim ile kesilmiş ve eksik DNA ekler ya da bir blueprint olarak hizmet eden bir genetik malzeme şablonu kullanarak fazladan DNA'yı çıkarırlar. Bununla birlikte, yaklaşım, sadece kan kök hücreleri gibi hızla bölünen hücrelerde çalışır ve hatta daha sonra sadece kısmen etkilidir, bu da onu vücuttaki hücre tiplerinin çoğuna yönelik terapötikler için zayıf bir seçim haline getirir. Templed onarım olmadan gen fonksiyonunu geri yüklemek için hücrenin CRISPR kaynaklı DNA kopmalarını nasıl düzelteceğini bilmek gerekir - şu ana kadar mevcut olmayan bilgiler.

Daha önce CRISPR onarım sonuçları için bir paternin kanıtı belirtilmişti ve Gifford'un laboratuvarı bu sonuçların doğru bir şekilde modellemek için yeterince öngörülebilir olduğunu düşünmeye başladı; bununla birlikte, bu modelleri doğru bir öngörü anlamasına dönüştürmek için daha fazla veriye ihtiyaç duyuyorlardı.

MIT lisansüstü öğrencisi Max Shen ve Broad Institute doktora sonrası araştırmacısı Mandana Arbab tarafından yönetilen araştırmacılar, hücrelerin CRISPR tarafından hedeflenen 2,000 sitenin kütüphanesini fare ve insan genomlarında nasıl tamir ettiklerini gözlemlemek için bir strateji geliştirdiler. Hücrenin bu kesimleri nasıl tamir ettiğini gözlemledikten sonra, elde edilen verileri bir makine öğrenme modeline döktüler, inDelphi, hücrenin her bir bölgedeki kesimlere nasıl tepki verdiğini öğrenmek için algoritmayı sordular. veya hasarlı her genden çıkarılır.

InDelphi'nin, düzeltilmiş gende hangi ekleme ve delesyonların yapıldığını tahmin eden kesik bölgelerdeki kalıpları ayırt edebildiğini bulmuşlardır. Birçok yerde, düzeltilmiş genler kümesi, büyük bir varyasyon karışımı içermez, bunun yerine, bir patojenik genin düzeltilmesi gibi, tek bir sonuç içermez.

Gerçekten de, sadece doğru yerde kesilerek düzeltilebilecek hastalıklarla ilgili genlerde inDelphi'yi sorguladıktan sonra, araştırmacılar çoğunlukla CRISPR ile ilişkili enzimlerle kesildikten sonra normal, sağlıklı versiyonlarına düzeltilen yaklaşık iki yüz patojen genetik varyant bulmuşlardır. Aynı zamanda, iki nadir genetik bozukluk, Hermansky-Pudlak sendromu ve Menkes hastalığı olan hastalardaki hücrelerdeki mutasyonları düzeltebildiler.

Sherwood, "Biz öncelikle bir balyoz olarak kullanılan aynı CRISPR enziminin de bir keski gibi davranabileceğini gösteriyoruz" dedi. "Denemeden önce deneyinizin en olası sonucunu bilme yeteneği, CRISPR kullanan birçok araştırmacı için gerçek bir ilerleme olacaktır."

Gifford, "Hastalıkla ilişkili genleri kendi doğal formlarına göre tamir edebileceğimizi umuyorduk ve hipotezimizin doğru olduğunu görmek bizi oldukça tatmin ediyordu."

InDelphi, dünyanın dört bir yanındaki akademik araştırmacıların, hassas düzenlemeler yapmak için kılavuz RNA'lar tasarlamalarına olanak veren sitede mevcuttur . Patojenik mutasyonları onarmaya ilgi duyan bilim adamları, DNA'yı nerede kesebileceklerini ve istedikleri sonuçları alabileceklerini görmek için siteyi sorgulayabilirler. Buna ek olarak, bilim adamları ayrıca bölgeyi genleri kapatmaya yönelik DNA kesimlerinin etkinliğini doğrulamak ya da şablona dayalı bir onarımın bitişik yan ürünlerini belirlemek için kullanabilirler.

Klinikteki mutasyonları düzeltmek için bu yaklaşımdan önce daha fazla çalışma devam etmektedir. Tahmin edilen sonuçların, araştırma veya terapötik amaçlar için yararlı bir şeye yol açtığı durumlarda, bu çalışma, hücrenin doğal "otomatik düzeltmesini" tetiklemenin etkili bir genom düzenleme yaklaşımı olabileceğini göstermektedir.