Un algorithme d'apprentissage automatique prédit comment les cellules réparent l'ADN cassé

Lorsque la double hélice de l'ADN est cassée après avoir été endommagée par une exposition aux rayons X, les machines moléculaires effectuent une sorte de "correction automatique" génétique pour reconstituer le génome – mais ces réparations sont souvent imparfaites. Tout comme votre smartphone peut modifier un message texte mal orthographié en une phrase incohérente, le processus de réparation naturelle de l'ADN de la cellule peut ajouter ou supprimer des fragments d'ADN sur le site de la rupture de manière apparemment aléatoire et imprévisible. L'édition de gènes avec CRISPR-Cas9 permet aux scientifiques de casser de l'ADN à des emplacements spécifiques, mais cela peut créer des "fautes d'orthographe" qui altèrent la fonction des gènes.

Cette réponse aux dommages induits par CRISPR, appelée "fin de jonction", est utile pour désactiver un gène, mais les chercheurs l'ont jugé trop susceptible d'être exploitée à des fins thérapeutiques.

Une nouvelle étude renverse cette vue. En créant un algorithme d’apprentissage automatique qui prédit le comportement des cellules humaines et murines en cas de rupture d’ADN induite par CRISPR, une équipe de chercheurs a découvert que les cellules réparent souvent les gènes endommagés de manière précise et prévisible, renvoyant parfois même les gènes mutés à leurs gènes. version saine. En outre, les chercheurs ont mis à l'épreuve ce pouvoir prédictif et ont corrigé avec succès les mutations dans les cellules prélevées chez des patients présentant l'un des deux troubles génétiques rares.

Les travaux suggèrent que l'auto-correction génétique de la cellule pourrait un jour être combinée avec des thérapies basées sur CRISPR qui corrigent les mutations géniques en coupant simplement l'ADN avec précision et en permettant à la cellule de guérir naturellement les dommages.

L’étude, publiée cette semaine dans La nature, était dirigée par David Liu, professeur Richard Merkin et directeur de l’Institut Merkin des technologies de transformation des soins de santé et vice-président de la faculté du Broad Institute; David Gifford, professeur d'informatique et de génie biologique au MIT; et Richard Sherwood, professeur adjoint de médecine à la division de génétique du Brigham and Women's Hospital.

"L'apprentissage automatique offre de nouveaux horizons pour le développement de thérapies humaines", a déclaré Gifford. "Cette étude montre comment la combinaison de la conception et de l'analyse d'expériences informatiques avec des objectifs thérapeutiques peut produire une modalité thérapeutique inattendue."

"Nous ne disposons actuellement d'aucun moyen efficace pour corriger avec précision de nombreuses mutations de maladies humaines", a déclaré Liu. "En utilisant l'apprentissage automatique, nous avons montré que nous pouvions souvent corriger ces mutations de manière prévisible, en laissant simplement la cellule se réparer."

De nombreuses mutations associées à une maladie impliquent un ADN supplémentaire ou manquant, connu sous le nom d'insertions et de délétions. Les chercheurs ont tenté de corriger ces mutations avec l’édition de gènes basée sur CRISPR. Pour ce faire, ils coupent la double hélice avec une enzyme et insèrent l’ADN manquant, ou retirent l’ADN supplémentaire, à l’aide d’une matrice de matériel génétique qui sert de modèle. Toutefois, cette approche ne fonctionne que dans les cellules à division rapide telles que les cellules souches du sang. Même dans ce cas, elle n’est que partiellement efficace, ce qui en fait un mauvais choix pour les traitements ciblant la majorité des types de cellules du corps. Restaurer la fonction des gènes sans effectuer de réparation basée sur un modèle nécessite de savoir comment la cellule corrigera les ruptures d'ADN induites par CRISPR – connaissances qui n'existaient pas jusqu'à présent.

La preuve d'une tendance aux résultats de réparation CRISPR avait déjà été notée, et le laboratoire de Gifford a commencé à penser que de tels résultats pourraient être suffisamment prévisibles pour modéliser avec précision; Cependant, ils avaient besoin de beaucoup plus de données pour transformer ces modèles en une compréhension prédictive précise.

Sous la direction de Max Shen, étudiant diplômé du MIT, et de Mandana Arbab, chercheuse postdoctorale au Broad Institute, les chercheurs ont développé une stratégie permettant d'observer comment les cellules réparaient une bibliothèque de 2 000 sites ciblés par CRISPR dans les génomes de souris et humain. Après avoir observé comment la cellule avait réparé ces coupures, ils ont versé les données résultantes dans un modèle d’apprentissage automatique, inDelphi, incitant l’algorithme à apprendre comment la cellule réagissait aux coupures sur chaque site, c’est-à-dire les fragments d’ADN auxquels la cellule avait retiré de chaque gène endommagé.

Ils ont découvert qu'inDelphi pouvait discerner des modèles sur les sites de coupe qui prédisaient les insertions et les délétions effectuées dans le gène corrigé. Sur de nombreux sites, l’ensemble des gènes corrigés ne contenait pas un énorme mélange de variations, mais un seul résultat, tel que la correction d’un gène pathogène.

En effet, après avoir interrogé inDelphi pour trouver des gènes pertinents pour la maladie qui pourraient être corrigés en coupant au bon endroit, les chercheurs ont découvert près de 200 variants génétiques pathogènes qui étaient pour la plupart corrigés en leurs versions normales et saines après avoir été coupés avec des enzymes associées à CRISPR. Ils ont également été en mesure de corriger les mutations dans les cellules de patients atteints de deux troubles génétiques rares, le syndrome de Hermansky-Pudlak et la maladie de Menkes.

"Nous montrons que la même enzyme CRISPR, qui a été utilisée principalement comme masse, peut également servir de ciseau", a déclaré Sherwood. "La possibilité de connaître le résultat le plus probable de votre expérience avant de le faire constituera un réel progrès pour les nombreux chercheurs utilisant CRISPR."

"Nous avions espéré pouvoir réparer les gènes associés à la maladie sous leur forme native, et il était très gratifiant de voir que notre hypothèse était correcte", a déclaré Gifford.

Explorer plus loin:
Les dommages au génome résultant de l'édition du gène CRISPR / Cas9 sont plus complexes

Plus d'information:
Max W. Shen et al. Edition CRISPR prévisible et précise, sans modèle, de variants pathogènes, La nature (2018). DOI: 10.1038 / s41586-018-0686-x