JGG｜中科院天津工生所毕昌昊/张学礼团队通过筛选细胞因子构建高效率C-G碱基编辑器CF-GBE

糖基化酶碱基编辑器(Glycosylase base editor，GBE)预测能够纠正 32,044 个已知单核苷酸突变性疾病(单核苷酸多态性，SNP)中的大约 11%，可用于重大遗传疾病治疗方案的开发，例如ABCA4 相关视网膜疾病和 X 连锁色素性视网膜炎。但相对于胞嘧啶碱基编辑器(Cytosine base editor，CBE)或腺嘌呤碱基编辑器(Adenine base editor，ABE)而言，GBE的编辑性能需要进一步改进。

2023年5月25日，Journal of Genetics and Genomics在线发表中科院天津工业生物技术研究所毕昌昊/张学礼团队题为“High-throughput base-editing KO screening of cellular factors for enhanced GBE”的研究论文。该研究通过高通量碱基编辑敲除的方法对980个与DNA修复和代谢相关的细胞因子进行筛选，最终获得了4种高编辑效率的C-to-G碱基编辑器CF-GBE，并针对每种CF-GBE构建了可以对靶位点的编辑效率进行精准预测的CNN模型。

该研究首先通过高通量碱基编辑敲除的方法对980个与DNA修复和代谢相关的细胞因子进行筛选，并将筛选到的可能对GBE编辑效率有影响的细胞因子融合表达在GBE的N端构建CF-GBE。进一步选取内源性基因位点对这些CF-GBEs的编辑性能进行验证，最终获得了4个编辑效率显著提升的CF-GBEs：CHAF1B-GBE、HMGN1-GBE、APEX1-GBE和EMG1-GBE。对9个基因组位点上CF-GBEs的编辑效率进行分析，发现相较于原始的GBE，CHAF1B-GBE、HMGN1-GBE、APEX1-GBE和EMG1-GBE平均编辑效率分别提升了2.27、2.13、2.52和1.67倍。为了进一步验证CF-GBEs的编辑性能，该研究采用慢病毒整合的方式构建了一个包含9000种gRNA及其靶位点的gRNA细胞文库对CF-GBEs的编辑性能进行分析，结果显示，相较于原始的GBE，CF-GBEs特异性地提升了C6位的编辑效率，且编辑窗口没有发生改变。同时，该研究也利用gRNA文库的数据对CF-GBEs的基序序列偏好性做了分析，发现CF-GBEs对于TCT序列具有偏好性。通过AI对gRNA文库的编辑结果数据进行深度学习，针对每种CF-GBE构建了可以预测靶位点编辑效率的卷积神经网络(Convolutional Neural Networks，CNN)模型，并在基因组位点对其预测精准度做了验证，充分证明CNN模型可以对一些靶位点的编辑效率进行精确预测。

细胞因子筛选原理流程图

细胞因子的高通量筛选过程，包括敲除文库的生成，转染saGBE和sagRNA，以及编辑结果的深度测序分析。

综上所述，本研究通过高通量筛选细胞因子构建的4种CF-GBEs显著提高了GBE的编辑效率，同时利用CNN模型可以实现对每种CF-GBE靶位点编辑效率的精准预测，极大地促进了GBE在科学研究以及基因治疗领域的应用。

作者简介

中科院天津工业生物技术研究所联培硕士杨杰和副研究员赵东东为该论文共同第一作者，毕昌昊/张学礼研究员为通讯作者。相关工作得到国家重点研发计划、国家自然科学基金、天津综合生物技术创新能力提升项目、天津自然科学基金和青年创新促进会中国科学院资助。

引用本文

Jie Yang, Dongdong Zhao, Xiagu Zhu, Yuanzhao Yang, Bo Li, Siwei Li, Changhao Bi, Xueli Zhang. (2023). High-throughput base-editing KO screening of cellular factors for enhanced GBE. Journal of Genetics and Genomics.

DOI：10.1016/j.jgg.2023.05.007

图文来源：JGG遗传学报公众号

转自：“植物生物技术Pbj”微信公众号

如有侵权，请联系本站删除！