ИИ взломал код клеток: миллионы ДНК за раз — генные лекарства подешевеют на порядки
NewsMakerВсе 40 предсказаний алгоритма из 40 сработали безошибочно.
Исследователи предложили новый способ проектирования ДНК , который может заметно упростить работу в синтетической биологии и ускорить создание клеточных терапий. Метод решает одну из самых сложных проблем этой области: даже если ученые понимают, какое поведение нужно получить от клетки, подобрать конкретную последовательность ДНК для этого оказывается крайне трудно. Возможных вариантов слишком много, и перебор быстро становится непрактичным.
Команда из Университета Райса показала, как масштабировать ключевой этап такого поиска. В основе подхода лежит одновременное создание и анализ огромных библиотек генетических конструкций с последующим обучением моделей машинного обучения . Это позволяет заранее оценивать, какие последовательности с наибольшей вероятностью приведут к нужному результату, еще до того, как их проверят в лаборатории.
Разработанный метод получил название CLASSIC. Он расшифровывается как combining long and short range sequencing to investigate genetic complexity и отражает суть технологии. Исследователи научились одновременно работать с сотнями тысяч и даже миллионами вариантов ДНК, что на порядки больше, чем было возможно раньше. Такой масштаб дает принципиально новый объем данных о том, как именно генетические схемы влияют на поведение клеток.
Цель работы - сопоставление последовательностей ДНК , которые часто называют генетическими схемами, с тем, как они проявляют себя внутри клетки. Для этого команда собрала обширные библиотеки таких схем и поочередно внедрила их в человеческие эмбриональные клетки почки. Эти клетки были модифицированы так, чтобы светиться при активации определенных генов. Чем ярче сигнал, тем сильнее работала соответствующая схема.
Исследователи предложили новый способ проектирования ДНК , который может заметно упростить работу в синтетической биологии и ускорить создание клеточных терапий. Метод решает одну из самых сложных проблем этой области: даже если ученые понимают, какое поведение нужно получить от клетки, подобрать конкретную последовательность ДНК для этого оказывается крайне трудно. Возможных вариантов слишком много, и перебор быстро становится непрактичным.
Команда из Университета Райса показала, как масштабировать ключевой этап такого поиска. В основе подхода лежит одновременное создание и анализ огромных библиотек генетических конструкций с последующим обучением моделей машинного обучения . Это позволяет заранее оценивать, какие последовательности с наибольшей вероятностью приведут к нужному результату, еще до того, как их проверят в лаборатории.
Разработанный метод получил название CLASSIC. Он расшифровывается как combining long and short range sequencing to investigate genetic complexity и отражает суть технологии. Исследователи научились одновременно работать с сотнями тысяч и даже миллионами вариантов ДНК, что на порядки больше, чем было возможно раньше. Такой масштаб дает принципиально новый объем данных о том, как именно генетические схемы влияют на поведение клеток.
Цель работы - сопоставление последовательностей ДНК , которые часто называют генетическими схемами, с тем, как они проявляют себя внутри клетки. Для этого команда собрала обширные библиотеки таких схем и поочередно внедрила их в человеческие эмбриональные клетки почки. Эти клетки были модифицированы так, чтобы светиться при активации определенных генов. Чем ярче сигнал, тем сильнее работала соответствующая схема.