新闻网讯（通讯员李健波）2月，武汉大学泰康医学院（基础医学院）罗孟成教授实验室与西湖大学马丽佳教授实验室合作的文章Machine learning-based prediction models to guide the selection of Cas9 variants for efficient gene editing发表于Cell reports杂志。武汉大学博士生李健波、吴攀峰以及西湖云谷智药曹周涛为共同第一作者；武汉大学泰康医学院（基础医学院）罗孟成教授和西湖大学马丽佳教授为共同通讯作者；武汉大学为论文第一完成单位。
该论文采用了体外合成gRNA-target pairs的方法构建了超过360k的Oligo文库，并结合机器学习成功开发了用于帮助指导Cas9突变体以及gRNA优化选择的模型工具。Cas9介导的基因编辑包含了Cas9核酸酶以及gRNA两个主要组成部分，在gRNA的指引下完成靶序列的特异性编辑。尽管Cas9已经广泛的应运于微生物、动物、植物的基因编辑中，但是其经典的“NGG”PAM序列以及潜在脱靶风险仍阻碍着其在科研以及医疗中的应运。因此针对Cas9基因编辑系统的优化主要也围绕在Cas9核酸酶和gRNA上进行。目前对Cas9核酸酶的优化不仅包括在一些其他物种中探索发现新的同源核酸酶（如：FrCas9，CjCas9，NmCas9，SaCas9等），还包括了一些重新设计SpCas9蛋白编码序列的衍生突变体（如：SpCas9-NG，xCas9，HiFi Cas9，Sniper Cas9，evoCas9，Hypa Cas9，SuperFi Cas9等）。这些Cas9核酸酶或是可以编辑一些NGG以外的靶基因组位点或是拥有更小的脱靶风险，他们的出现无疑丰富了基因编辑系统工具的选择。在这些突变体的帮助下，无论是生殖、肿瘤亦或是其他领域都可以通过他们实现更高效的动物、细胞模型构建以及其他多方面用途。
同时近年来随着人工智能与生物医疗领域的紧密结合，基于机器学习模型的gRNA优化工具也在飞速发展，然而目前绝大多数的工具更多的聚焦于野生型SpCas9，针对一些极具潜力的Cas9突变体的研究尚缺乏足够的实验数据。在本研究中团队成员构建了一个包含多个Cas9突变体（SpCas9-NG，HiFi Cas9，Sniper Cas9，LZ3 Cas9）的高通量数据库，并以此为基础结合机器学习模型构建出8个用于分析不同突变体编辑活性以及特异性的预测模型，以保证提高Cas9编辑效率的同时有效规避脱靶风险。除此之外，本研究中也发现PAM远端区域的核苷酸组成对于HiFi Cas9和LZ3 Cas9的编辑活性发挥着重要作用。这部分非种子区域在此前的报道中对于野生型Cas9以及其他突变体并不会显著影响其编辑效率，该发现也进一步解释了HiFi Cas9和LZ3 Cas9具有更高编辑特异性的原因
总之，该研究为Cas9突变体的的选择提供了一个很好的指导，帮助动物模型和细胞模型研究人员选择更适合，更高效的基因编辑工具。为了给来自不同领域的科研工作者带来更好的使用体验，这些Cas9突变体的预测工具可以通过访问我们的网站指导Cas9突变体的选择以及了解基因组靶序列的gRNA编辑活性和特异性排名（https：//crispr-aidit.com/home）。
该研究获得了武汉大学泰康生命医学中心、国家自然科学基金、湖北省重点研发项目、辉凌生殖医学项目、武汉大学中南医院-泰康医学院联合项目等项目的资助。
原文链接：Machine learning-based prediction models to guide the selection of Cas9 variants for efficient gene editing - PubMed (nih.gov)。
（编辑：赵冀帆）
