[ad_1]
(noticias nanowerk) CRISPR-Cas es una herramienta que permite a los científicos realizar cambios específicos en el ADN de un organismo. Esta herramienta consta de dos partes. La primera es una sustancia microscópica llamada proteína nucleasa Cas (por ejemplo, Cas9), que puede escindir el ADN. La segunda es una molécula de ARN (también llamada ARN guía o ARNg) que determina dónde se realizan estos cambios.
Al estudiar la biología y la química de cómo funciona CRISPR-Cas, los científicos pueden predecir y diseñar dónde se producirán las modificaciones del ADN. Sin embargo, estas predicciones a menudo fallan porque existen grandes diferencias en la estructura y composición del genoma entre diferentes organismos (por ejemplo, entre humanos y bacterias). Esto limita la forma en que los científicos pueden utilizar la herramienta CRISPR-Cas.
Para abordar este problema, los investigadores utilizaron inteligencia artificial para predecir mejor el comportamiento de la herramienta. El enfoque explotó un nuevo conjunto de propiedades químicas cuánticas. Estas propiedades aplican las reglas de la mecánica cuántica a las moléculas para comprender mejor cómo interactúan las moléculas. Esto mejoró la precisión de la predicción de dónde podría tener lugar la ingeniería del genoma CRISPR-Cas.
Este estudio (Investigación de ácidos nucleicos, “Perspectivas biológicas cuánticas sobre la eficiencia del sgRNA CRISPR-Cas9 a través de ingeniería de características explicables impulsadas por IA”) utilizó un enfoque llamado inteligencia artificial explicable (XAI) para identificar nuevas características biológicas. El objetivo era comprender el diseño del ARN guía y la relación del ARN guía con la edición del genoma basada en CRISPR. Esto podría mejorar la capacidad de los científicos para predecir de manera eficiente dónde aparecerán los objetivos genómicos en un genoma.
Los científicos se basan en modelos para predecir dónde actuarán las herramientas CRISPR-Cas en el genoma de un organismo. El desempeño de estos modelos es crítico porque estos cambios son irreversibles. Este estudio realizado por científicos del Laboratorio Nacional Oak Ridge y la Universidad de Tennessee, Knoxville, tuvo como objetivo mejorar la confiabilidad de estas herramientas mediante el uso de inteligencia artificial explicable para descubrir nuevas conexiones entre el ARN guía de un organismo, el ADN y la actividad de los métodos basados en CRISPR para descubrir herramientas.
Los investigadores utilizaron conjuntos de datos disponibles públicamente para entrenar un modelo de inteligencia artificial explicable llamado bosque aleatorio iterativo para predecir con qué eficiencia CRISPR-Cas9 puede editar secuencias de ADN específicas con un ARN guía determinado. Utilizando este enfoque, los investigadores descubrieron que las características químicas cuánticas tenían el mayor impacto en la predicción de la eficiencia del ARN guía tanto en H. sapiens como en E. coli. Además, los investigadores descubrieron que la importancia de diferentes propiedades químicas cuánticas o sitios de interés varía según la especie.
Esta investigación destaca la importancia de futuras investigaciones en esta área para mejorar la seguridad y confiabilidad de las herramientas CRISPR-Cas en organismos no modelo.
[ad_2]