Esta nueva red neuronal facilitará la modificación del ADN y el hallazgo de nuevos tratamientos para trastornos hereditarios

Un grupo de bioinformáticos rusos han propuesto una nueva arquitectura de red neuronal capaz de evaluar cuán bien se ha escogido un ARN guía para un experimento de edición de genes.

Su enfoque facilitará una modificación del ADN más eficiente con el popular método CRISPR/Cas y, por lo tanto, ayudará a desarrollar nuevas estrategias para crear organismos modificados genéticamente y encontrar formas de tratar trastornos hereditarios graves.

CRISPR/Cas

Los investigadores de Skoltech dirigidos por Konstantin Severinov han utilizado el aprendizaje profundo, los procesos gaussianos y otros métodos para hacer que la selección de los ARN guía óptimos sea más precisa.

El equipo produjo un conjunto de redes neuronales, es decir, modelos matemáticos entrenables implementados como multiplicación secuencial de matrices: grandes conjuntos de números con una estructura interna compleja. Una red neuronal puede aprender porque tiene "memoria" en forma de números que se alteran de una manera particular cada vez que el sistema completa un cálculo en el modo de entrenamiento.

El equipo entrenó los modelos en diferentes conjuntos de datos que contienen decenas de miles de ARN guía validados experimentalmente que habían mostrado un rendimiento de alta precisión en células humanas y animales.

Los investigadores propusieron un algoritmo que estima la probabilidad de escisión del ADN para un ARN guía determinado. Las puntuaciones resultantes pueden dirigir el diseño experimental para cualquier aplicación basada en CRISPR/Cas. El equipo utilizó sus redes neuronales para crear un conjunto de ARN guía para realizar cambios precisos en los genes del cromosoma 22 humano. Esto ha sido posible gracias a la alta precisión de la predicción de la frecuencia de división y una función de estimación de la incertidumbre de la predicción, que ninguno de los métodos existentes anteriormente proporcionaba.

Los hallazgos se pueden utilizar para una variedad de aplicaciones de tecnología basadas en CRISPR/Cas, como el tratamiento de trastornos genéticos, tecnologías agrícolas y experimentos de investigación básica.