基因组编辑技术发展迅速，在治疗遗传疾病方面取得了可喜的成果，但总有改进的空间。麻省总医院布莱根分校的研究人员发表在《自然》杂志上的一篇新论文展示了可扩展蛋白质工程与机器学习相结合的力量，以促进基因和细胞治疗领域的进展。在他们的研究中，作者开发了一种被称为PAMmla的机器学习算法，可以预测大约6400万种基因组编辑酶的特性。这项工作有助于减少脱靶效应，提高编辑安全性，提高编辑效率，并使研究人员能够预测针对新的治疗靶点的定制酶。他们的研究结果发表在《自然》杂志上。

“我们的研究是大大扩展我们有效和安全的CRISPR-Cas9酶库的第一步。在我们的手稿中，我们展示了这些pamla预测酶在人类原代细胞和小鼠中精确编辑致病序列的效用，”通讯作者Ben kleinver博士说，他是马萨诸塞州总医院（MGH）的Kayden-Lambert MGH研究学者副研究员，麻省总医院布里格姆医疗保健系统的创始成员。“基于这些发现，我们很高兴能让这些工具被社区利用，并将这一框架应用于基因组编辑库中的其他特性和酶。”

CRISPR-Cas9酶可用于编辑整个基因组中的基因，但该技术存在局限性。传统的CRISPR-Cas9酶会产生脱靶效应，在基因组中意想不到的位置切割或修改DNA。这项新发表的研究旨在通过使用机器学习来更好地预测和定制酶，以更大的特异性击中目标，从而改善这一点。该方法还提供了一种可扩展的解决方案——其他工程酶的尝试具有较低的吞吐量，并且通常产生的酶数量要少几个数量级。

利用CRISPR-Cas9技术的关键要素之一是酶必须定位并结合一个称为原间隔器邻近基序（PAM）的短DNA序列。研究人员使用机器学习来预测数百万种Cas9酶的PAMs，确定了一组具有最佳靶向活性和特异性的新型工程Cas9酶。研究人员在人类细胞和色素性视网膜炎小鼠模型中进行了概念验证实验，发现定制的酶具有更高的特异性。

“这项工作的一个主要成果是创建了这个pamla模型，现在研究人员可以使用它来预测针对其特定用例进行独特调整的定制酶，”主要作者Rachel A. Silverstein说，她是博士候选人，NSERC研究生学者和MGH kleinver实验室的2024年Albert J. Ryan研究员。“这个模型的结果是，我们现在有了一个巨大的安全、精确的Cas9蛋白工具箱，可以用于各种研究和治疗应用。”

研究人员已经制作了一个网络工具，允许其他人使用PAMmla模型，该工具可在https://pammla.streamlit.app/上获得

Custom CRISPR—Cas9 PAM variants via scalable engineering and machine learning