Genom düzenleme, genetik rahatsızlıkların tedavisinde ümit verici sonuçlarla hızla ilerledi – ancak her zaman iyileştirme için yer vardır. Nature’da yayınlanan Mass General Brigham’dan araştırmacıların yeni bir makalesi, gen ve hücre terapisi alanında ilerlemeyi artırmak için ölçeklenebilir protein mühendisliğinin makine öğrenimiyle birleştirilmesinin gücünü sergiliyor.

Yazarlar, çalışmalarında yaklaşık 64 milyon genom düzenleme enziminin özelliklerini tahmin edebilen PAMmla olarak bilinen bir makine öğrenme algoritması geliştirdiler. Çalışma, hedef dışı etkileri azaltmaya ve düzenleme güvenliğini iyileştirmeye, düzenleme verimliliğini artırmaya ve araştırmacıların yeni terapötik hedefler için özelleştirilmiş enzimleri tahmin etmesine yardımcı olabilir. Sonuçları Nature’da yayınlandı .

“Çalışmamız, etkili ve güvenli CRISPR-Cas9 enzimleri repertuarımızı önemli ölçüde genişletme yolunda attığımız ilk adımdır. El yazmamızda, bu PAMmla tarafından tahmin edilen enzimlerin, birincil insan hücrelerinde ve farelerde hastalığa neden olan dizileri hassas bir şekilde düzenlemek için yararlılığını gösteriyoruz,” diyor ilgili yazar Ben Kleinstiver, PhD, Massachusetts General Hospital’da (MGH) Kayden-Lambert MGH Araştırma Görevlisi yardımcı araştırmacı, Mass General Brigham sağlık sisteminin kurucu üyesi.

“Bu bulgulara dayanarak, bu araçların topluluk tarafından kullanılmasından ve bu çerçeveyi genom düzenleme repertuarındaki diğer özelliklere ve enzimlere uygulamaktan heyecan duyuyoruz.”

CRISPR-Cas9 enzimleri genom boyunca belirli bölgelerdeki genleri düzenlemek için kullanılabilir, ancak bu teknolojinin bazı sınırlamaları vardır.

Geleneksel CRISPR-Cas9 enzimleri, genomda istenmeyen bölgelerde DNA’yı keserek veya başka şekillerde değiştirerek hedef dışı etkilere sahip olabilir.

Yeni yayınlanan çalışma, makine öğrenimini kullanarak enzimlerin hedeflerini daha yüksek özgüllükle vurmasını sağlayarak bunu iyileştirmeyi amaçlıyor.

Bu yaklaşım aynı zamanda ölçeklenebilir bir çözüm de sunuyor; enzim mühendisliğine yönelik diğer girişimler daha düşük bir verimle sonuçlanmış ve genellikle çok daha az enzim elde edilmiştir.

CRISPR-Cas9 teknolojilerinin kullanılmasının temel unsurlarından biri, enzimlerin protospacer bitişik motif (PAM) adı verilen kısa bir DNA dizisini bulup ona bağlanması gerektiğidir. Araştırmacılar, milyonlarca Cas9 enziminin PAM’lerini tahmin etmek için makine öğrenimini kullanarak, en iyi hedef aktivite ve özgüllüğe sahip olacak bir dizi yeni tasarlanmış Cas9 enzimi belirlediler.

Araştırmacılar, insan hücreleri ve retinitis pigmentosa’nın fare modeli üzerinde kavram kanıtı deneyleri yürüttüler ve özel enzimlerin daha fazla özgüllüğe sahip olduğunu buldular.

“Bu çalışmanın önemli bir sonucu, araştırmacıların özel kullanım durumları için benzersiz şekilde ayarlanmış özelleştirilmiş enzimleri tahmin etmek için kullanabileceği bu PAMmla modelinin oluşturulmasıdır,” diyor baş yazar Rachel A. Silverstein, doktora adayı, NSERC lisansüstü öğrencisi ve MGH’deki Kleinstiver laboratuvarında 2024 Albert J. Ryan Üyesi.

“Bu modelin sonucu olarak artık çeşitli araştırma ve tedavi uygulamaları için kullanılabilecek güvenli ve hassas Cas9 proteinlerinden oluşan muazzam bir araç setine sahibiz.”

Kaynak ve devamına Buradan ulaşabilirsin.