使用CRISPR-CAS9系统在目标部位进行基础取代是一种用于基因组编辑的典型技术,具有在基因治疗和农业生产力中应用的潜力。当CRISPR-CAS9系统使用指导RNA将Cas9内核酶引导到目标位点时,它可能会误导到潜在的脱靶位点,从而导致意外的基因组编辑。尽管已经提出了几种计算方法来预测脱靶效应,但仍有提高脱靶效应能力的空间。在本文中,我们提出了一种有效的方法,称为CRISPR-M,采用新的编码方案和一种新型的多视图深度学习模型,以预测含有indels和不匹配的目标位点的tar-tar- fet效应。crispr-m利用卷积神经网络和双向长期记忆复发性神经网络来构建三支分支网络,以朝着多视图构建。与现有方法相比,CRISPR-M显示出在实际世界数据集上运行的显着性能优势。此外,在多个指标下对CRISPR-M的实验分析揭示了其提取特征并验证其对SGRNA脱离目标效应预测的优势的能力。
主要关键词