[发明专利]一种CRISPR/Cas9脱靶效应的预测方法

摘要

本发明公开了一种CRISPR/Cas9脱靶效应的预测方法，其特征在于，包括如下步骤：1）构建包含正样本和负样本的数据集；2）对样本数据集进行编码并加入特征；3）采用特征选择的方法处理样本数据；4）构建BroadLearning预测器。这种方法预测速度快、精度高。

主权项

1.一种CRISPR/Cas9脱靶效应的预测方法，其特征在于，包括如下步骤：1）构建包含正样本和负样本的数据集：从已公开的GUIDE‑Seq，HTGTS，BLESS的实验数据中获取正样本，采用bowtie2程序将sgRNA映射到人类基因组中，查找与目标DNA序列不匹配数目小于4的DNA序列，作为可能的脱靶序列，得到的序列为长度为23个碱基并且以NGG结尾的DNA序列，其中N为ACGT中的任意一个，从这些序列中排除正样本序列所得到的即为负样本，采用Bootstrap方法对正样本进行过采样，并从负样本进行欠采样从中选中与正样本数目相同的负样本；2）对样本数据集进行编码并加入特征：对步骤1得到的由sgRNA序列和DNA序列组成的正负样本进行one‑hot编码，再加入sgRNA与DNA对的CFD分数、CCTop分数、CRISTA分数、GC含量，错配个数和sgRNA‑DNA序列相似性得分这六个特征共同构成特征向量，同时生成相应的二分类标签；3）采用特征选择的方法处理样本数据：使用python的sklearn模块，对得到的特征向量进行处理，采用Extratree模块构建极端随机森林训练器训练数据，得到特征向量的特征重要性，再从中选择特征重要性排名前一百五的特征进行下一步训练；4）构建BroadLearning预测器：采用宽度学习算法加入BP调参作为针对CRISPR/Cas9脱靶效应的Broad learning 预测器，得到预测结果确定sgRNA与DNA序列是否会发生反应，预测CRISPR/Cas9系统的脱靶效应。