英國《自然》雜志8日在線發表了一項人工智能及生物技術研究：科學家報告了一種方法，可通過機器學習對致病基因變異實現精準且可預測的編輯。這項成果為研究遺傳疾病，開發潛在療法提供了新的可能性。

雖然CRISPR-Cas9徹底改變了用于研究的基因組編輯技術，但目前認為，保證這項技術的準確性尤其重要。

CRISPR-Cas9基因組編輯常用DNA“模板”來確保DNA修復的準確性，或將特定的DNA序列導入基因組中。因此，缺少這些模板的DNA修復常被認為不夠準確。

現在，美國布列根和婦女醫院及哈佛醫學院科學家理查德·舒爾伍德及同事，發明了一種用機器學習預測基因組修復結果的方法，實現了精準的無模板Cas9編輯。研究團隊用一個含有近2000對Cas9向導RNA（gRNA）和人體DNA靶點的數據庫，訓練了一個名為inDelphi的機器學習模型。

經該模型識別，5%—11%靶向人體基因組的Cas9向導RNA能在超過50%的情況下（被稱為“精準-50”）產生單一且可預測的修復結果。inDelphi還能利用無模板Cas9編輯識別并預測出合適的致病基因變異靶標，包括一些曾被認為無法用該方法找到的靶標。

最后，研究團隊通過實驗證明，人體細胞中與赫曼斯基—普德拉克綜合征（HPS、白化病綜合征的一種）、Menkes?。ㄓ址Q毛發灰質營養不良）以及家族性高膽固醇血癥這三種疾病有關的近200種致病變異，其編輯和修復的準確性都能達到精準-50的標準。

研究人員表示，這一結果建立了一種實現精準、無模板基因組編輯的方法。

總編輯圈點：

我們可以把CRISPR-Cas9基因編輯技術看作是一種納米級的“工具包”，它最好能按照我們的需要，在特定位置上對DNA進行剪切修改。但實際操作時，這家伙卻可能會出現意外——在錯誤的基因上動手腳——也就是產生“脫靶效應”，進而帶來一些嚴重后果?，F在研究人員開發出這套機器學習算法，不僅能提高該技術的基因組編輯效率與特異性，還將讓技術更加準確，最大限度降低風險。