Back to search

National and Kapodistrian University of Athens

CRISPR-Cas9 guide RNA efficiency prediction with pretrained DNA language models

Abstract

dc:description

Το σύστημα CRISPR-Cas9 έχει φέρει επανάσταση στην επεξεργασία του γονιδιώματος, προσφέροντας ένα ακριβές και προγραμματιζόμενο εργαλείο για την τροποποίηση γενετικών αλληλουχιών σε ζωντανούς οργανισμούς. Κεντρικό στοιχείο της αποτελεσματικότητάς του είναι το guide RNA (gRNA), το οποίο κατευθύνει την νουκλεάση Cas9 στη θέση-στόχο του DNA. Ωστόσο, δεν είναι όλα τα gRNA εξίσου αποτελεσματικά—η σύνθεση της αλληλουχίας, τα δομικά χαρακτηριστικά και το γονιδιωματικό πλαίσιο μπορούν να επηρεάσουν δραματικά την αποτελεσματικότητα της επεξεργασίας. Η ακριβής πρόβλεψη της δραστηριότητας του gRNA είναι επομένως απαραίτητη για τον σχεδιασμό ισχυρών και αποτελεσματικών πειραμάτων επεξεργασίας γονιδίων. Αυτή η διπλωματική εργασία αντιμετωπίζει αυτήν την πρόκληση μέσω της εφαρμογής τεχνικών βαθιάς μάθησης (deep learning) και μεταφοράς μάθησης (transfer learning), για να μοντελοποιήσει και να προβλέψει την αποτελεσματικότητα του συστήματος CRISPR-Cas9 στην επεξεργασία του DNA-στόχου, από ακατέργαστες αλληλουχίες DNA. Η προσέγγιση επικεντρώνεται στο DNABERT, ένα μοντέλο Transformer που βασίζεται στο BERT και έχει προ-εκπαιδευτεί στο ανθρώπινο γονιδίωμα αναφοράς χρησιμοποιώντας μοντελοποίηση γλώσσας με χρήση μάσκας (masked language modeling). Δύο παραλλαγές του DNABERT βελτιστοποιήθηκαν ξεχωριστά: μία για τα gRNA που εκφράζονται υπό τον ανθρώπινο υποκινητή U6 (χρησιμοποιείται συνήθως σε συστήματα θηλαστικών) και μία για εκείνα που εκφράζονται υπό τον υποκινητή T7 (χρησιμοποιείται συνήθως σε συστήματα zebrafish και in vitro συστήματα). Κάθε μοντέλο εκπαιδεύτηκε σε επιμελημένα πειραματικά σύνολα δεδομένων, μετατρέποντας τις αλληλουχίες εισόδου (input sequences) σε επικαλυπτόμενα k-μερή (k-mers, k = 3, 4, 5, 6) και μαθαίνοντας να παλινδρομεί τα αποτελέσματα αποτελεσματικότητας. Η βελτιστοποίηση του μοντέλου περιελάμβανε τη ρύθμιση του μεγέθους των k-mers, του ρυθμού μάθησης, του dropout και άλλων υπερπαραμέτρων. Η απόδοση αξιολογήθηκε χρησιμοποιώντας τον συντελεστή συσχέτισης κατάταξης του Spearman σε πολλαπλά ανεξάρτητα σύνολα δοκιμών. Τα αποτελέσματα καταδεικνύουν ότι το DNABERT μπορεί να καταγράψει βιολογικά σημαντικά μοτίβα αποκλειστικά από δεδομένα αλληλουχίας, εξαλείφοντας την ανάγκη για χειρωνακτικά εισαγόμενα χαρακτηριστικά. Η αρχιτεκτονική του μοντέλου που βασίζεται στην προσοχή (attention) του επιτρέπει να λαμβάνει υπόψη πολύπλοκες εξαρτήσεις μεταξύ των περιοχών της αλληλουχίας, παρέχοντας μια λεπτομερή κατανόηση των καθοριστικών παραγόντων αποτελεσματικότητας του gRNA. Πέρα από την προγνωστική ακρίβεια, το μοντέλο προσφέρει επίσης ερμηνευσιμότητα μέσω βαρών προσοχής (attention weights), αποκαλύπτοντας ενδεχομένως νέες γνώσεις σχετικά με τους μοριακούς μηχανισμούς που επηρεάζουν τη δραστηριότητα της CRISPR-Cas9. Αυτή η εργασία υπογραμμίζει τις δυνατότητες των προ-εκπαιδευμένων μοντέλων γλώσσας DNA στη λειτουργική γονιδιωματική και υπογραμμίζει τη χρησιμότητά τους στην ενεργοποίηση πιο αποτελεσματικού, κλιμακώσιμου (scalable) και βασισμένου σε δεδομένα, σχεδιασμού CRISPR gRNA για ερευνητικές και θεραπευτικές εφαρμογές.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Γιαννάκη Ευαγγελία
  • Giannaki Evangelia

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:5305370

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Γιαννάκη Ευαγγελία; Giannaki Evangelia. CRISPR-Cas9 guide RNA efficiency prediction with pretrained DNA language models. 2025. https://pergamos.lib.uoa.gr/uoa/dl/object/5305370