Un nuevo diseño de red neuronal para evaluar el éxito de la selección de ARN indicativos para la edición de genes. Esta metodología permitirá una modificación del ADN más eficiente utilizando el famoso sistema CRISPR / Cas, que ayudará a desarrollar nuevas tácticas para fabricar organismos modificados genéticamente y encontrar formas de tratar enfermedades genéticas graves. El estudio, financiado por la Russian Science Foundation, fue publicado en Investigación de ácidos nucleicos.

La edición de genes, especialmente la tecnología CRISPR / Cas, se usa ampliamente en biología experimental, agricultura y biotecnología. CRISPR / Cas es una de las muchas armas que utilizan las bacterias para combatir los virus. Cuando el ADN del patógeno ingresa a la célula, las proteínas Cas lo detectan como material genético extraño y lo descomponen porque su secuencia difiere de la de las bacterias. Para responder a un virus más rápido, las bacterias conservan partes del ADN de un patógeno, al igual que los antivirales informáticos mantienen un conjunto de firmas virales, y las transmiten a las generaciones posteriores para que su Cas pueda prevenir ataques futuros.

Equipos de diferentes laboratorios han adaptado de forma independiente el sistema CRISPR / Cas para introducir cambios aleatorios en las secuencias de ADN en células humanas y animales. Hizo que la edición de genes fuera mucho más fácil y eficiente. Los componentes clave del mecanismo son el ARN guía, que “marca el sitio”, y la proteína Cas9, que escinde el ADN en ese sitio. La célula luego “cura la herida”, pero el código genético ya ha sido cambiado.

El problema es que la guía de orientación de ARN no siempre es precisa, lo que conduce a una mala interpretación de Cas9. Es fundamental convertir la tecnología CRISPR / Cas en una herramienta útil de alta resolución, especialmente en tratamientos médicos.

Los investigadores de Skoltech han utilizado el aprendizaje profundo, los procesos gaussianos y otros métodos que han mejorado la precisión de la identificación de los ARN guía adecuados. Los investigadores crearon un conjunto de redes neuronales, modelos matemáticos entrenables representados como multiplicación secuencial de matrices, que son enormes conjuntos de números con estructuras subyacentes complejas. Una red neuronal puede aprender porque contiene una “memoria” de números que se actualiza de cierta manera cada vez que el sistema realiza el cálculo en modo de entrenamiento. Los modelos se entrenaron en conjuntos de datos que incluyen decenas de miles de ARN confirmados experimentalmente que mostraron una gran precisión en células humanas y animales.

Se presentó un método para calcular la probabilidad de escisión del ADN para un ARN dado. Los resultados obtenidos pueden orientar el diseño experimental en cualquier aplicación basada en CRISPR / Cas. Utilizaron redes neuronales para generar un vector de ARN para alterar con precisión genes en el cromosoma 22 humano. Esto es posible gracias a la extraordinaria precisión de la predicción de la frecuencia de división y la inclusión de una característica de evaluación de la incertidumbre en la predicción que ninguno de los métodos anteriores proporcionaba.

Los descubrimientos se pueden utilizar en muchas aplicaciones tecnológicas basadas en CRISPR / Cas, como el tratamiento de trastornos genéticos, técnicas de cultivo y experimentos de investigación básica. La estrategia del equipo para ahorrar tiempo y recursos facilitó la elección del ARN guía adecuado para editar el ADN de alta resolución, lo que puede ayudar en el desarrollo de nuevas opciones de tratamiento para los trastornos genéticos a largo plazo.

Documento: https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab1065/6430490

Referencia: https://medicalxpress.com/news/2021-12-neural-network-accurate-dna.html

Sugerencia