机构名称：
¥ 1.0
成簇的规律间隔短回文重复序列 (CRISPR)/CRISPR-Cas 系统彻底改变了基因编辑，可应用于治疗、诊断、农业和开发疾病模型。然而，CRISPR-Cas 存在脱靶效应——即在使用过程中导致基因组中出现非预期的遗传修饰。在这项工作中，我们提出了 crispr2vec：一种用于嵌入 CRISPR 单向导 RNA (sgRNA) 序列并预测脱靶切割的深度度量学习方法。给定一个固定的靶序列，我们表明我们学习到的嵌入可以忠实地表示潜在的脱靶。我们提出了一种专门针对 CRISPR 序列的新型三重采样策略，可提高嵌入的质量。我们表明，生成的嵌入可推广到不同的脱靶切割检测分析中。最后，我们证明了深度度量学习方法在预测脱靶切割方面的优势，与之前的文献相比，该方法在不同数据集上对可见和未可见的 sgRNA 进行交叉折叠验证。
Crispr2vec：机器学习模型预测 CRISPR 系统的脱靶切割
主要关键词
相关文件推荐
