Engineering of CRISPR-Cas PAM recognition using deep learning of vast evolutionary data

清脆的 Cas9 计算机科学 基因组编辑 蛋白质工程 生物信息学 计算生物学 合成生物学 深度学习 限制 基因组工程 人工智能 生物 基因 遗传学 工程类 生物化学 机械工程
作者
Stephen Nayfach,Aadyot Bhatnagar,Andrey Novichkov,Gabriella O. Estevam,Nahye Kim,Emily Hill,Jeffrey A. Ruffolo,Rachel A. Silverstein,Joseph P. Gallagher,Benjamin P. Kleinstiver,Alexander J. Meeske,Peter Cameron,Ali Madani
标识
DOI:10.1101/2025.01.06.631536
摘要

CRISPR-Cas enzymes must recognize a protospacer-adjacent motif (PAM) to edit a genomic site, significantly limiting the range of targetable sequences in a genome. Machine learning-based protein engineering provides a powerful solution to efficiently generate Cas protein variants tailored to recognize specific PAMs. Here, we present Protein2PAM, an evolution-informed deep learning model trained on a dataset of over 45,000 CRISPR-Cas PAMs. Protein2PAM rapidly and accurately predicts PAM specificity directly from Cas proteins across Type I, II, and V CRISPR-Cas systems. Using in silico deep mutational scanning, we demonstrate that the model can identify residues critical for PAM recognition in Cas9 without utilizing structural information. As a proof of concept for protein engineering, we employ Protein2PAM to computationally evolve Nme1Cas9, generating variants with broadened PAM recognition and up to a 50-fold increase in PAM cleavage rates compared to the wild-type under in vitro conditions. This work represents the first successful application of machine learning to achieve customization of Cas enzymes for alternate PAM recognition, paving the way for personalized genome editing.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
fish1116发布了新的文献求助100
刚刚
刚刚
bbbbb沫完成签到,获得积分20
刚刚
峥2发布了新的文献求助10
刚刚
wzy完成签到,获得积分10
刚刚
xxxllllll发布了新的文献求助10
1秒前
干净映天完成签到 ,获得积分10
1秒前
LJ_scholar发布了新的文献求助10
2秒前
kuny完成签到,获得积分10
2秒前
勤恳的夏之完成签到,获得积分20
3秒前
wzy发布了新的文献求助10
3秒前
钵钵鸡完成签到 ,获得积分10
3秒前
JING发布了新的文献求助10
3秒前
後zgw完成签到,获得积分10
5秒前
5秒前
6秒前
明朗发布了新的文献求助10
6秒前
meredith0571完成签到,获得积分10
7秒前
7秒前
嗯哼发布了新的文献求助30
7秒前
lucky完成签到 ,获得积分10
7秒前
朴实山彤完成签到,获得积分20
8秒前
8秒前
bkagyin应助ccalvintan采纳,获得10
10秒前
Gpu_broken应助橙子采纳,获得20
10秒前
雪碧发布了新的文献求助10
10秒前
焦糖发布了新的文献求助10
11秒前
11秒前
11秒前
13秒前
13秒前
qqq完成签到,获得积分10
13秒前
jjjdcjcj完成签到,获得积分10
14秒前
打打应助mmol采纳,获得10
14秒前
14秒前
孙燕应助mariawang采纳,获得10
15秒前
所所应助冰之采纳,获得10
15秒前
LJ_scholar完成签到,获得积分10
16秒前
fish1116完成签到,获得积分10
16秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
‘Unruly’ Children: Historical Fieldnotes and Learning Morality in a Taiwan Village (New Departures in Anthropology) 400
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
基于可调谐半导体激光吸收光谱技术泄漏气体检测系统的研究 350
Robot-supported joining of reinforcement textiles with one-sided sewing heads 320
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3988732
求助须知:如何正确求助?哪些是违规求助? 3531027
关于积分的说明 11252281
捐赠科研通 3269732
什么是DOI,文献DOI怎么找? 1804764
邀请新用户注册赠送积分活动 881869
科研通“疑难数据库(出版商)”最低求助积分说明 809021