Улучшение технологии редактирования цинковыми пальцами с помощью машинного обучения
Японские исследователи использовали инструменты моделирования биомолекул для ускорения и удешевления технологии цинковых пальцев (ZFN) — одного из основных инструментов редактирования генома.
В исследовании, опубликованном в Advanced Science, команда из Университета Хиросимы и Национального института передовых промышленных наук и технологий Японии показала, как системы модульной сборки на основе машинного обучения могут улучшить редактирование генов.
"Редактирование генома — многообещающий инструмент для лечения генетических нарушений в ряде областей. Повышая эффективность технологий редактирования генов, мы можем добиться большей точности модификаций генетической информации в живых клетках", — сказал Шота Катаяма, доцент Центра инноваций в редактировании генома Университета Хиросимы.
ZFN наряду с CRISPR/Cas9 и TALEN является важным инструментом в области редактирования генома. Эти химерные белки состоят из двух доменов: домена связывания с ДНК (цинковый палец, ZF), который распознает целевую последовательность ДНК, и домена расщепления, содержащего эндонуклеазу FokI.
Преимущества ZFN перед CRISPR/Cas9 и TALEN:
- Патенты на ZFN уже истекли, что исключает высокие лицензионные платежи для промышленного применения.
- ZFN меньше по размеру, что позволяет легко упаковывать кодирующую их ДНК в вирусные векторы с ограниченной грузоподъемностью для применения in vivo и в клинике.
Для разрезания ДНК должны связываться два ZFN, поэтому их необходимо проектировать парами. Однако создание функциональных ZFN и повышение их эффективности редактирования генома оказалось сложной задачей.
Модульная сборка ZF-белков — более простой метод, но модульно собранные ZFN имеют высокий процент неудач: 94% протестированных пар ZFN оказались нефункциональными.
В данном исследовании команда поставила цель создать более эффективный и легко конструируемый ZFN, используя общедоступные ресурсы в системе модульной сборки. Они предположили, что модульная сборка ZF-модулей будет полезна для создания ZFN с пятью или шестью пальцами.
Исследователи представили метод повышения эффективности создания функциональных ZFN и улучшения их редактирования генома с помощью трех инструментов моделирования биомолекул: AlphaFold, Coot и Rosetta.
Результаты:
- Из 10 протестированных ZFN исследователи получили две функциональные пары.
- Инжиниринг ZFN с использованием AlphaFold, Coot и Rosetta повысил эффективность редактирования генома на 5%, что демонстрирует эффективность инжиниринга ZFN на основе структурного моделирования.