11 nov 2023 (Nanowerk Nieuws) Wetenschappers van het Oak Ridge National Laboratory gebruikten hun expertise op het gebied van de kwantumbiologie, kunstmatige intelligentie en bio-engineering om de manier te verbeteren waarop CRISPR Cas9-tools voor genoombewerking werken op organismen zoals microben die kunnen worden aangepast om hernieuwbare brandstoffen en chemicaliën te produceren.

Key Takeaways

Wetenschappers van Oak Ridge National Laboratory hebben de CRISPR Cas9-genoombewerking in microben verbeterd, cruciaal voor de productie van hernieuwbare brandstoffen en chemicaliën.

Het team gebruikte kwantumbiologie en verklaarbare AI om de selectie van gids-RNA’s te verbeteren, de sleutel tot de precisie van CRISPR.

Hun aanpak overwint de beperkingen van bestaande CRISPR-modellen, die minder effectief waren in microben vergeleken met modelsoorten.

De nieuwe methode biedt een beter begrip en efficiëntie bij genetische modificaties, met gevolgen voor gebieden als bio-energie en de ontwikkeling van geneesmiddelen.

Dit onderzoek bevordert het vermogen om DNA in een verscheidenheid aan organismen nauwkeurig te modificeren, waardoor de functionele genomica en bio-engineering worden verbeterd.

Het Onderzoek

CRISPR is een krachtig hulpmiddel voor bio-engineering, dat wordt gebruikt om genetische code te wijzigen om de prestaties van een organisme te verbeteren of om mutaties te corrigeren. De CRISPR Cas9-tool is gebaseerd op een enkel, uniek gids-RNA dat het Cas9-enzym aanstuurt om zich te binden aan de overeenkomstige doellocatie in het genoom en deze te splitsen. Bestaande modellen om computationeel effectieve gids-RNA's voor CRISPR-tools te voorspellen, zijn gebouwd op gegevens van slechts een paar modelsoorten, met een zwakke, inconsistente efficiëntie wanneer ze op microben worden toegepast. “Veel van de CRISPR-tools zijn ontwikkeld voor zoogdiercellen, fruitvliegjes of andere modelsoorten. Weinigen zijn gericht op microben waarvan de chromosomale structuren en afmetingen heel verschillend zijn”, zegt Carrie Eckert, leider van de synthetische biologiegroep bij ORNL. “We hadden gezien dat modellen voor het ontwerpen van de CRISPR Cas9-machine zich anders gedragen als ze met microben werken, en dit onderzoek bevestigt wat we al eerder wisten.” Om de modellering en het ontwerp van gids-RNA te verbeteren, zochten de ORNL-wetenschappers naar een beter begrip van wat er gebeurt op het meest basale niveau in celkernen, waar genetisch materiaal wordt opgeslagen. Ze wendden zich tot de kwantumbiologie, een veld dat moleculaire biologie en kwantumchemie overbrugt en de effecten onderzoekt die elektronische structuur kan hebben op de chemische eigenschappen en interacties van nucleotiden, de moleculen die de bouwstenen vormen van DNA en RNA. De manier waarop elektronen in het molecuul worden verdeeld, beïnvloedt de reactiviteit en conformationele stabiliteit, inclusief de waarschijnlijkheid dat het Cas9-enzymgids-RNA-complex effectief zal binden met het DNA van de microbe, zegt Erica Prates, computationeel systeembioloog bij ORNL.

De beste gids door een woud van beslissingen

De wetenschappers bouwden een verklaarbaar kunstmatige-intelligentiemodel genaamd iteratief willekeurig bos. Ze trainden het model op een dataset van ongeveer 50,000 gids-RNA's die zich op het genoom richtten E. coli bacteriën, terwijl ook rekening wordt gehouden met kwantumchemische eigenschappen, in een aanpak die in het tijdschrift wordt beschreven Onderzoek naar nucleïnezuren (“Kwantumbiologische inzichten in CRISPR-Cas9 sgRNA-efficiëntie door verklaarbare AI-gestuurde feature engineering”). Het model onthulde belangrijke kenmerken van nucleotiden die de selectie van betere gids-RNA's mogelijk kunnen maken. “Het model heeft ons geholpen aanwijzingen te vinden over de moleculaire mechanismen die ten grondslag liggen aan de efficiëntie van onze gids-RNA’s,” zei Prates, “en gaf ons een rijke bibliotheek met moleculaire informatie die ons kan helpen de CRISPR-technologie te verbeteren.” ORNL-onderzoekers valideerden het verklaarbare AI-model door CRISPR Cas9-snij-experimenten uit te voeren E. coli met een grote groep gidsen geselecteerd door het model. Het gebruik van verklaarbare AI gaf wetenschappers inzicht in de biologische mechanismen die tot resultaten leidden, in plaats van een deep learning-model dat geworteld is in een ‘black box’-algoritme dat interpreteerbaarheid ontbeert, zegt Jaclyn Noshay, een voormalig ORNL-computersysteembioloog en eerste auteur van het artikel. . "We wilden ons begrip van de ontwerpregels voor gidsen voor optimale snij-efficiëntie verbeteren met een focus op microbiële soorten, gegeven kennis van de incompatibiliteit van modellen die in [biologische] koninkrijken zijn getraind", zei Noshay. Het verklaarbare AI-model, met zijn duizenden functies en iteratieve aard, werd getraind met behulp van de Summit-supercomputer bij ORNL's Oak Ridge Leadership Computer Facility, of OLCF, een gebruikersfaciliteit van het DOE Office of Science. Eckert zei dat haar synthetische biologieteam van plan is om samen te werken met collega's in de computationele wetenschap bij ORNL om wat ze hebben geleerd met het nieuwe microbiële CRISPR Cas9-model te gebruiken en het verder te verbeteren met behulp van gegevens uit laboratoriumexperimenten of een verscheidenheid aan microbiële soorten.

Betere CRISPR Cas9-tools voor elke soort

Door kwantumeigenschappen in overweging te nemen, wordt de deur geopend naar verbeteringen in de Cas9-gids voor elke soort. "Dit artikel heeft zelfs implicaties op menselijke schaal", zei Eckert. “Als je bijvoorbeeld naar de ontwikkeling van medicijnen kijkt, waarbij je CRISPR gebruikt om een ​​specifieke regio van het genoom te targeten, moet je over het meest nauwkeurige model beschikken om die richtlijnen te voorspellen.” Het verfijnen van CRISPR Cas9-modellen geeft wetenschappers een pijplijn met een hogere doorvoer om genotype aan fenotype te koppelen, of genen aan fysieke eigenschappen, een veld dat bekend staat als functionele genomica. Het onderzoek heeft implicaties voor het werk van het door ORNL geleide Centre for Bioenergy Innovation (CBI), bijvoorbeeld om bio-energiegrondstoffenfabrieken en bacteriële fermentatie van biomassa te verbeteren. "Met dit onderzoek verbeteren we onze voorspellingen van gids-RNA aanzienlijk", aldus Eckert. “Hoe beter we de biologische processen die een rol spelen begrijpen en hoe meer gegevens we in onze voorspellingen kunnen verwerken, hoe beter onze doelstellingen zullen zijn, waardoor de precisie en snelheid van ons onderzoek wordt verbeterd.” “Een belangrijk doel van ons onderzoek is het verbeteren van het vermogen om het DNA van meer organismen voorspellend te wijzigen met behulp van CRISPR-tools. Deze studie vertegenwoordigt een opwindende vooruitgang in de richting van een beter begrip van hoe we kunnen voorkomen dat we kostbare ‘typefouten’ maken in de genetische code van een organisme”, zegt Paul Abraham van ORNL, een bioanalytisch chemicus die leiding geeft aan het Secure Ecosystem Engineering and Design Science Focus Area van het DOE Genomic Science Program. , of SEED SFA, die het CRISPR-onderzoek ondersteunde. “Ik wil graag leren hoeveel meer deze voorspellingen kunnen verbeteren als we aanvullende trainingsgegevens genereren en verklaarbare AI-modellering blijven gebruiken.”

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://www.nanowerk.com/news2/biotech/newsid=64037.php