Una nueva herramienta de software de código abierto podría acelerar los descubrimientos genéticos

Los cultivos de biocombustibles comercialmente viables son esenciales para reducir las emisiones de gases de efecto invernadero, y una nueva herramienta desarrollada por el Centro de Innovación Avanzada de Bioenergía y Bioproductos (CABBI) debería acelerar su desarrollo; así como los avances en la edición de genes en general.

Los genomas de los cultivos se adaptan a través de generaciones de selección para optimizar rasgos específicos y, hasta hace poco, los mejoradores se limitaban a seleccionar en base a la diversidad natural. La tecnología de edición de genes CRISPR/Cas9 puede cambiar eso, pero las herramientas de software necesarias para diseñar y evaluar los experimentos CRISPR hasta ahora se han basado en las necesidades de edición de los genomas de mamíferos, que no comparten las mismas características que los genomas de cultivos complejos. .

Ingrese a CROPSR, la primera herramienta de software de código abierto para el diseño y la evaluación de todo el genoma de secuencias de ARN guía (ARNg) para experimentos CRISPR, creada por científicos de CABBI, un centro de investigación de bioenergía (BRC) financiado por el Departamento de Energía. Según el estudio publicado en BMC Bioinformática.

“CROPSR proporciona a la comunidad científica nuevos métodos y un nuevo flujo de trabajo para realizar experimentos de eliminación de CRISPR/Cas9”, dijo el desarrollador de CROPSR, Hans Müller Paul, biólogo molecular y estudiante de doctorado con el coautor Matthew Hudson, profesor de ciencia de cultivos. en la Universidad de Illinois en Urbana-Champaign. “Esperamos que el nuevo software acelere el descubrimiento y reduzca la cantidad de experimentos fallidos”.

Hans Müller Paul, desarrollador de CROPSR, biólogo molecular y estudiante de doctorado con el coautor Matthew Hudson, profesor de ciencia de cultivos en la Universidad de Illinois en Urbana-Champaign

Para satisfacer mejor las necesidades de los genetistas de cultivos, el equipo ha creado un software que elimina las restricciones impuestas por otros paquetes sobre el diseño y la evaluación de secuencias de gRNA, las guías utilizadas para localizar material genético objetivo. Los miembros del equipo también desarrollaron un nuevo modelo de aprendizaje automático que no evitaría las guías para las regiones genómicas repetitivas que a menudo se encuentran en las plantas, un problema con las herramientas existentes. El modelo de puntuación CROPSR proporcionó predicciones mucho más precisas incluso en genomas no cultivados, dijeron los autores.

El objetivo era integrar funcionalidades para hacer la vida más fácil al científico”.

Hans Müller Paul, desarrollador de CROPSR

Muchos cultivos, especialmente las materias primas bioenergéticas, tienen genomas poliploides muy complejos, con múltiples conjuntos de cromosomas. Y algunas herramientas de software de edición de genes basadas en genomas diploides (como los de los humanos) luchan con las peculiaridades de los genomas de cultivos.

“A veces puede tomar semanas o meses darse cuenta de que no tiene el resultado que esperaba”, dijo Müller Paul.

Por ejemplo, un rasgo puede estar regulado por una colección de genes, en particular un gen relacionado con el estrés de la planta donde los sistemas de respaldo son útiles. Un científico podría diseñar un experimento para anular un gen e ignorar que otro realiza la misma función. Es posible que el problema no se descubra hasta que la planta madure sin alterar el rasgo de ninguna manera. Este es un problema particular con los cultivos que requieren condiciones climáticas específicas para crecer, donde perder una temporada puede significar un retraso de un año.

El uso de un enfoque de todo el genoma permitió a los científicos adaptar CROPSR para el uso de plantas al eliminar los sesgos incorporados que se encuentran en las herramientas de software existentes. Debido a que se basan en genomas humanos o de ratón, donde las copias múltiples de genes son menos comunes, estas herramientas penalizan las secuencias de gRNA que golpean el genoma en más de una posición, para evitar causar mutaciones en lugares donde no están previstas. Pero con las culturas, el objetivo suele ser mutar más de una posición para eliminar todas las copias de un gen. Anteriormente, los científicos a veces tenían que diseñar cuatro o cinco experimentos de mutación para eliminar cada gen individualmente, lo que requería más tiempo y esfuerzo.

CROPSR puede generar una base de datos de ARN guía CRISPR que se puede utilizar para todo el genoma de un cultivo. Este proceso requiere mucho tiempo y es intensivo desde el punto de vista computacional; por lo general requiere varios días -; pero los investigadores solo tienen que hacer esto una vez para construir una base de datos que luego se puede usar para experimentos en curso.

Entonces, en lugar de buscar un gen objetivo en una base de datos en línea, luego usar las herramientas actuales para diseñar guías separadas para cinco ubicaciones diferentes y realizar múltiples rondas de experimentos, los científicos podrían buscar el gen en su propia base de datos y ver todas las guías disponibles. CROPSR también indicaría otras ubicaciones para apuntar en el genoma. Los investigadores podrían seleccionar una guía que toque todos los genes, lo que haría que el diseño del experimento fuera más fácil y rápido.

“Simplemente puede acceder a la base de datos, recuperar toda la información que necesita, estar listo para comenzar a trabajar”, ​​dijo Müller Paul. “Cuanto menos tiempo dedique a planificar sus experimentos, más tiempo podrá dedicar a realizar sus experimentos”.

Para los científicos de CABBI, que a menudo trabajan con genomas de plantas repetitivos, tener una herramienta de gRNA que les permita diseñar guías funcionales con confianza “debería ser un paso adelante”, dijo.

Como sugiere su nombre, CROPSR se diseñó teniendo en cuenta los genomas de cultivos, pero se aplica a cualquier tipo de genoma.

“CROPSR también se basa en genes humanos, porque la disponibilidad de datos para genes de cultivos aún no está disponible”, dijo Müller Paul, “pero estamos buscando colaboraciones con otros BRC para proporcionar un rendimiento de predicción basado en biofísica para ayudar a aliviar algunos de los problemas causados ​​por la falta de datos.”

En el futuro, espera que los investigadores registren tanto sus fracasos como sus éxitos para ayudar a generar los datos necesarios para entrenar un modelo específico de cultura. Si las colaboraciones se materializan, “podríamos ver algunos avances muy emocionantes en el entrenamiento de modelos de aprendizaje automático para aplicaciones CRISPR, y potencialmente también para otros modelos”.