【技术实现步骤摘要】
利用深度学习的碱基编辑基因剪刀的效率和结果预测系统和方法
[0001]相关申请的交叉引用
[0002]本申请要求于2022年04月29日提交的韩国专利申请No.10
‑
2022
‑
00053742的优先权和权益,其通过引用合并于此用于所有目的,如同在此完全阐述一样。
[0003]本专利技术涉及一种利用深度学习的碱基编辑基因剪刀的效率和结果预测系统等。
技术介绍
[0004]碱基编辑(base editing)允许将一个碱基对转换为另一个碱基对,而不需要供体脱氧核糖核酸(donor DNA)或产生双链截断体。碱基编辑基因剪刀(base editor)由碱基编辑蛋白(base editor protein)和单向导核糖核酸(single
‑
guide RNA:sgRNA)构成,在此,碱基编辑蛋白基本上是Cas9切口酶和诸如胞苷或腺苷脱氨酶(cytidine or adenosine deaminases)的碱基改变酶的融合体。胞嘧啶碱基编辑基因剪刀(cytosine base editors:CBEs)可以将C
·
G转换为T
·
A,腺嘌呤碱基编辑基因剪刀(adenine base editors:ABEs)可以将A
·
T转换为G
·
C。在CBE的情况下,经常添加尿嘧啶糖基化酶抑制剂(uracil glycosylase inhibitor:UGI)以提高碱基编辑效率和纯度。除了这两 ...
【技术保护点】
【技术特征摘要】
1.一种利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,包括:目标序列输入单元,其接收碱基编辑基因剪刀的目标序列数据;以及结果预测单元,其将由所述目标序列输入单元接收的目标序列数据分别应用于碱基编辑效率和结果比率的预测模型来获得碱基编辑效率和结果比率的输出值,并将所述碱基编辑效率和结果比率的输出值相乘来生成碱基编辑预测分数。2.根据权利要求1所述的利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,其中,所述碱基编辑效率的预测模型是通过以下步骤来生成的:通过信息输入单元接收碱基编辑基因剪刀的碱基转换活性数据的步骤;以及对由所述信息输入单元接收的数据执行基于卷积神经网络的深度学习来生成碱基编辑效率的预测模型的步骤。3.根据权利要求2所述的利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,其中,所述执行基于卷积神经网络的深度学习来生成碱基编辑效率的预测模型的步骤还包括连接CRISPR相关蛋白9(Cas9)活性数据的步骤。4.根据权利要求3所述的利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,其中,所述Cas9活性数据通过执行包括以下步骤的方法而获得的:将Cas9引入包括寡核苷酸的细胞文库中的步骤,所述寡核苷酸包括编码单向导核糖核酸(sgRNA)的核苷酸序列和所述sgRNA靶向的目标核苷酸序列;利用从引入了所述Cas9的细胞文库中获得的脱氧核糖核酸(DNA)执行深度测序的步骤;以及从所述深度测序获得的数据分析Cas9的效率的步骤。5.根据权利要求4所述的利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,其中,所述分析Cas9的效率的步骤通过执行基于卷积神经网络的深度学习来从特定目标序列中Cas9插入缺失频率的相关关系预测Cas9的活性。6.根据权利要求1所述的利用深度学习的碱基编辑基因剪刀的效率和结果预测系统,其中,所述碱基编辑结果比率的预测模型是通过以下步骤来生成的:通过信息输入单元接收碱基编辑基因剪刀的碱基编辑结果数据的步骤;以...
【专利技术属性】
技术研发人员:金炯凡,金那惠,
申请(专利权)人:延世大学校产学协力团,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。