Машинное обучение предсказывает сложность синтеза искусственных хромосом

Искусственный синтез геномов имеет широкие перспективы в медицинских исследованиях и создании промышленных штаммов. От синтеза искусственной жизни JCVI-syn1.0 командой Крейга Вентера в 2010 году до переписывания и синтеза генома прокариота E. coli и проекта Sc2.0 по созданию искусственного генома дрожжей — исследователи постоянно продвигаются в глубине и широте дизайна и синтеза геномов.

Однако сложности в синтезе определённых генных сегментов могут приводить к невозможности завершить искусственные хромосомы, что ограничивает применение технологии. Чтобы решить эту проблему, команда профессора Инцзиня Юаня из Тяньцзиньского университета разработала интерпретируемую систему машинного обучения для предсказания и количественной оценки сложности синтеза хромосом.

Проанализировав данные большого числа известных фрагментов хромосом, команда разработала эффективный метод выбора признаков и определила шесть ключевых характеристик последовательности, охватывающих энергетическую и структурную информацию в процессе химического синтеза и сборки ДНК. На основе этих данных была создана модель eXtreme Gradient Boosting (XGBoost), эффективно предсказывающая сложность синтеза фрагментов хромосом.

Модель показала AUC (площадь под ROC-кривой) 0.895 при кросс-валидации и AUC 0.885 на независимом тестовом наборе в сотрудничестве с компанией по синтезу ДНК, что демонстрирует высокую точность и прогностическую способность.

На основе алгоритма SHAP команда предложила Индекс сложности синтеза (S-index) для оценки и интерпретации трудностей синтеза хромосом. Исследование выявило значительные различия в сложности синтеза разных хромосом. S-index позволяет количественно объяснить причины сложностей синтеза для некоторых генных фрагментов, что даёт основу для дизайна последовательности хромосом и повышает эффективность и успешность их синтеза.

Эта разработка предоставляет практический инструмент для исследователей в области хромосомной инженерии и переписывания геномов, предлагая более комплексное руководство для дизайна и синтеза хромосом.

Исследование опубликовано в журнале Science China Life Sciences.