研究基于學習算法優化序列特異性的CtoG單堿基編輯器

　　8月12日，Nature Communications發表了題為Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods的研究論文，該研究由中國科學院腦科學與智能技術卓越創新中心、上海腦科學與類腦研究中心研究員孫怡迪研究組與中國農業科學院深圳農業基因組研究所研究員左二偉研究組合作完成。該研究建立了深度學習模型的算法CGBE-SMART，該方法能夠準確預測新型OPTI-CGBEs的單堿基編輯效率和編輯效果。

　　單堿基編輯技術是基于CRISPR/Cas系統改造發展的新型基因編輯技術，可在不引入DNA雙鏈斷裂的情況下，精確地將DNA或RNA中的一個堿基替換為另一個堿基。目前，已開發并得到廣泛應用的堿基編輯器包括胞嘧啶堿基編輯器（cytosine base editor，CBE）及腺嘌呤堿基編輯器（adenine base editor，ABE），但這兩種堿基編輯器只能實現將C·G堿基對替換為T·A堿基對（C→T），或將A·T替換為G·C（A→G）。因此，CBE或ABE只能修復由C>T或者A>G導致的遺傳表型或疾病，而對于其他類型的單堿基突變卻束手無策。2020年，科研人員在CBE的基礎上，研發了能夠將胞嘧啶轉換為鳥嘌呤的堿基編輯器（C-to-G base editor，CGBE）。而關于CGBE編輯器的研究仍處于初步階段，對于其特異性、保真性及編輯特點仍需要進一步研究。David Liu實驗室與其合作者對CGBEs系統進行改造與升級，構建了高效的CGBEs編輯器。為能夠方便科研人員的日常研究，人工智能與基因編輯結合的愈發緊密，David Liu及Hyongbum Henry Kim等實驗室分別建立了可預測單堿基編輯器編輯效果的BE-Hive及DeepBE等深度學習模型。

　　孫怡迪研究組與左二偉研究組通過篩選不同物種來源的UNGs、密碼子優化和全基因組及轉錄組范圍測序，獲得了可進行高效C到G堿基顛換以及高保真的OPTI-CGBEs。為了方便其他研究人員選擇合適的C-to-G堿基編輯器以及高效預估編輯效率，科研人員建立了預測不同C-to-G堿基編輯器編輯效果的深度學習模型CGBE-SMART（如圖）。CGBE-SMART結合了神經網絡及概率圖模型，為每一個編輯位置獨立訓練一套參數來預測該位置上的編輯效率。模型使用了大小不同的卷積核，建立一組基礎單元網絡對編輯位置周圍的堿基進行特征提取和效率預測。研究人員將不同基礎單元網絡的預測結果用一套習得的參數進行加權平均。模型以編輯位點附近的40bp作為輸入，通過神經網絡預測出guide RNA結合位置1至20的編輯效率，并進一步利用貝葉斯網絡預測不同編輯結果的占比（圖a）。研究人員將CGBE-SMART用在不同的CGBE編輯器的8個文庫數據集上進行實驗。在所有的8個數據集上，BE-SMART具有較高的預測準確性（圖b）。CGBE-SMART能夠準確預測C-to-G編輯效率，且與之前的預測模型相比，在預測C-to-T編輯效果中有更出色的表現。

　　研究人員全面優化了CGBE堿基編輯器，獲得了高編輯效率與低脫靶的OPTI-CGBEs；通過機器學習開發了CGBE-SMART深度學習模型用于預測OPTI-CGBEs編輯結果。該研究將進一步加速CGBE的應用研究。研究工作得到國家自然科學基金委員會、中國農業科學院、深圳市的資助。

　　CGBE深度學習模型方法構建思路。a、CGBE-SMART深度學習模型示意圖；b、CGBE-SMART預測模型的設計