糖基化酶堿基編輯器的機器學習研究進展

　　堿基編輯技術可實現精確的堿基轉換，當前，有三類堿基編輯器被廣泛應用，包括胞嘧啶堿基編輯器（cytosine base editor，CBE）、腺嘌呤堿基編輯器（adenine base editor，ABE）、糖基化酶堿基編輯器（glycosylase base editor，GBE）。

　　2020年，中國科學院天津工業生物技術研究所研究員畢昌昊帶領的合成生物技術研究團隊與研究員張學禮帶領的微生物代謝工程團隊開發出GBE，可實現胞嘧啶到鳥嘌呤的堿基顛換，具有糾正3000多個已知致病單核苷酸變異（single nucleotide polymorphism，SNP）的潛力，這或為主要的遺傳疾病如abca4相關性視網膜疾病和X-linked視網膜色素變性等提供治療方案。

　　為評估GBE在多個位點的編輯情況，提高其應用潛力，研究人員運用高通量細胞建模技術，在哺乳動物細胞中進行6400多個基因組靶點的GBE編輯，建立了人工智能AI機器學習模型。研究將收集到的數據用于AI訓練，得到了預測堿基編輯效率和結果比例的模型。同時，研究基于獲得的序列基序，設計出具有高編輯效率的GBE gRNA，且在293T和HeLa兩種細胞中證實了GBE機器學習模型可近似預測任意給定GBE gRNA的編輯結果。此外，科研人員利用該模型預測人類疾病相關點突變的建模和校正的編輯結果，提出一系列具有高預測編輯效率的SNP，進一步為單堿基突變引起的疾病的治療帶來希望。該工作克服了GBE技術的序列依賴問題，顯著提高其應用能力。

　　相關研究成果發表在Journal of Genetics and Genomics上。研究工作得到國家自然科學基金、國家重點研發計劃、天津市合成生物技術創新能力提升行動、天津市自然科學基金項目的資助。

　　論文鏈接

GBE編輯結果的AI機器學習模型的構建思路