Ученые нашли способ повысить эффективность shRNA для нокдауна генов
Ученые из Лаборатории в Колд-Спринг-Харбор (CSHL) разработали мощный алгоритм, который повышает эффективность важной исследовательской технологии, использующей РНК-интерференцию (RNAi).
Открытая в конце 1990-х, RNAi — это естественный биологический механизм, при котором короткие молекулы РНК связываются и "интерферируют" с матричными РНК, несущими инструкции для производства белков. Такое вмешательство может предотвратить экспрессию гена. Помимо регуляции экспрессии генов, путь RNAi у многих видов, включая человека, защищает геном от паразитических вирусов и транспозонов.
С середины 2000-х годов ученые используют RNAi для искусственного "нокдауна" (подавления) экспрессии конкретных генов. Это позволяет изучать функцию генов по методу обратной генетики. Технологии на основе RNAi также крайне полезны в открытии лекарств.
Профессор Грегори Хэннон и его коллеги из CSHL за последнее десятилетие внесли фундаментальный вклад в изучение механизма работы RNAi в природе. Они также стали пионерами в создании комплексных библиотек малых РНК — коротких шпилечных РНК (shRNA). Эти библиотеки позволяют исследователям по всему миру избирательно "выключать" конкретные гены, например, во всем геноме человека или мыши.
В исследовании, опубликованном 26 ноября в журнале Molecular Cell, команда лаборатории Хэннона под руководством научного сотрудника Симона Кнотта сообщила о создании алгоритма, который позволяет исследователям идентифицировать наиболее эффективные shRNA для нокдауна конкретных генов. До этой работы последовательностные детерминанты, отвечающие за оптимизацию эффективности shRNA, были в значительной степени неизвестны. Таким образом, новая работа решает важную техническую проблему использования RNAi.
Разработка алгоритма под названием shERWOOD была основана на массовом параллельном тестировании эффективности около 250 000 различных shRNA. По сути, компьютер обучили делать точные прогнозы, выявляя, что отличает мощные shRNA в этом наборе от менее мощных. После этого процесса обучения компьютер смог предсказывать эффективность новых последовательностей.
"Мы использовали этот результат для проектирования и создания библиотек shRNA следующего поколения, нацеленных на экзомы (набор кодирующих белок генов) мышей и людей", — говорит доктор Кнотт.
Библиотеки на основе shERWOOD становятся доступными для научного сообщества через компанию Transomic Technologies (Хантсвилл, Алабама).