[发明专利]一种基于注意力机制的CRISPR/Cas9脱靶预测方法

说明书

本发明涉及一种基于注意力机制的CRISPR/Cas9脱靶预测方法，涉及基因编辑领域，该方法包括：构建脱靶数据集、sgRNA‑DNA序列对编码、搭建脱靶预测模型、训练模型权重及利用训练好的模型预测sgRNA‑DNA序列对是否包含脱靶位点。本发明通过分析sgRNA‑DNA序列对的组成及匹配情况与其脱靶问题之间的关系，提出了一种新的基于注意力机制的CRISPR/Cas9脱靶预测模型，该模型以三层卷积神经网络作为基框架，引入注意力机制用以提取sgRNA‑DNA序列对内与位置信息相关的特征。此模型能够提取到丰富的与sgRNA‑DNA脱阿不问题相关的特征，相比现有的预测算法能够更加准确全面的预测CRISPR/Cas9的脱靶问题，且具有更好的泛化性能。

技术领域

本发明涉及基因编辑和深度学习领域，具体是一种基于注意力机制的CRISPR/Cas9脱靶预测方法。

背景技术

CRISPR/Cas9(clustered regularly interspaced short palindromic repeat/CRISPR-associa-tedprotein 9)系统介导的基因组编辑技术是第三代“基因组定点编辑技术”，可用于对特定基因组DNA靶点进行修饰。相比前两代锌指核酸酶(zinc-fingernucleases,ZFNs)和类转录激活因子效应物核酸酶(transcription activator-likeeffector nuclease,TALENs)技术，CRISPR/Cas9技术具有广泛的应用范围、低廉的成本及易操作性等特点。其应用主要包括对模型生物进行靶向诱变，敲除或敲入基因以验证基因功能和表观基因组编辑，将碱基编辑酶传递到目标位点等。除此之外，该技术在体内基因治疗方面也具有巨大的潜力。然而，由于目前的CRISPR/Cas9在体内的传递方法不是组织特异性的，CRISPR/Cas9可能在非目标组织中进行基因编辑而导致靶上的副作用，这使得CRISPR/Cas9基因治疗应用仍面临着一系列的安全挑战。因此，准确的预测CRISPR/Cas9的脱靶问题对于其应用具有重要意义。

目前已有多种用于预测CRISPR/Cas9脱靶问题的方法，主要可分为基于序列比对的方法、基于假设经验的方法、测序方法及基于机器学习的算法，其中预测性能最好的是基于经验的方法和基于机器学习的方法。近年来，深度学习也逐渐被用于预测CRISPR/Cas9的脱靶问题，并取得了一些成效，但仍然面临预测精度不高的问题。由于应用深度学习可自动提取sgRNA-DNA序列对的特征，操作较为简便且算法性能提升空间较大，因此，可进一步研究应用深度学习提升CRISPR/Cas9脱靶预测效率的方法。

发明内容

本发明的目的在于克服已有的CRISPR/Cas9脱靶预测方法的缺陷，提出了一种基于注意力机制的CRISPR/Cas9脱靶预测方法。由于脱靶预测方法的输入为sgRNA-DNA序列对，算法主要通过关注sgRNA序列和DNA序列内碱基在各个位置的匹配情况来判断是否会产生脱靶现象，这与位置信息关联较大，而注意力机制可有效的促进序列对内部局部位置特征的提取。因此，该方法以卷积神经网络为基框架，引入注意力机制用以加强对sgRNA-DNA序列对位置特征的提取，可有效提高脱靶预测的准确率及召回率，且具有较高的泛化性能，这对于CRISPR/Cas9的安全应用具有重要意义。

为实现上述目的，本发明所提供的技术方案为：

一种基于注意力机制的CRISPR/Cas9脱靶预测方法，主要包括以下步骤：

1)构建包含sgRNA，DNA及其脱靶标签的用于模型训练及测试的数据集，包括已公开的HEK293T和K562t两个数据集；

2)利用特定的编码方法对样本数据集中的sgRNA-DNA序列对进行编码，使其可作为神经网络的输入；

3)搭建基于注意力机制的卷积神经网络模型，包括一维卷积层和独立的注意力模块；