sgRNACNN: выявление активности sgRNA на целевом участке у четырёх сельскохозяйственных культур с помощью ансамбля свёрточных нейронных сетей

Мы разработали ансамблевую модель на основе свёрточных нейронных сетей для выявления sgRNA с высокой активностью на целевом участке у четырёх сельскохозяйственных культур; для кодирования последовательностей использовали унитарное кодирование и k-меры. Однонаправляющая РНК (sgRNA), важный компонент системы CRISPR/Cas9, играет существенную роль в наведении системы на ген и его редактировании. sgRNA широко применяют для улучшения сельскохозяйственных культур, однако эффективных биоинформатических инструментов для определения её активности у таких культур недостаточно. Поэтому необходимо разработать метод машинного обучения для выявления sgRNA с высокой активностью на целевом участке. В этой работе мы предложили простой метод на основе свёрточных нейронных сетей для выявления таких sgRNA. Последовательности кодировали с помощью унитарного кодирования и k-меров, а для построения ансамблевой модели свёрточных нейронных сетей sgRNACNN, предсказывающей активность sgRNA, использовали алгоритм голосования. Модель sgRNACNN применили для прогнозирования активности у четырёх культур: Glycine max, Zea mays, Sorghum bicolor и Triticum aestivum. Точность модели для этих культур составила соответственно 82,43%, 80,33%, 78,25% и 87,49%. Экспериментальные результаты показали, что sgRNACNN позволяет выявлять sgRNA с высокой активностью на целевом участке в данных сельскохозяйственных культур и в определённой степени удовлетворяет потребность агрономии в прогнозировании активности sgRNA. Эти результаты могут быть полезны для планирования редактирования генома растений и научных исследований. Исходный код и соответствующий набор данных доступны по ссылке: https://github.com/nmt315320/sgRNACNN.git.