Międzynarodowy zespół kierowany przez profesora Daesika Kima z Wydziału Medycyny Uniwersytetu Sungkyunkwan opracował OpenABE, czyli Open Adenine Base Editor. W pracach uczestniczyli także profesor Yong-Sub Kim z University of Ulsan College of Medicine oraz profesor Jae-Hyun Park ze Sungkyunkwan University School of Medicine. Dzięki połączeniu przewidywania struktur białek przez AI z ukierunkowaną inżynierią białek badacze zwiększyli skuteczność edycji genów nawet 36-krotnie w porównaniu z wcześniejszymi modelami zaprojektowanymi przez sztuczną inteligencję.
Jak działa edycja zasad azowych
Edytory zasad azowych, określane jako ABE, należą do narzędzi umożliwiających precyzyjne modyfikowanie pojedynczych elementów DNA bez konieczności przecinania obu nici materiału genetycznego. Ich zadaniem jest rozpoznanie określonego miejsca w sekwencji i przekształcenie adeniny w zmianę odpowiadającą guaninie. Takie podejście może być przydatne w badaniach nad chorobami genetycznymi, w których pojedyncza zmiana w DNA wpływa na działanie genu. Dotychczasowe edytory projektowane z pomocą AI miały jednak ograniczoną skuteczność, a także powodowały zmiany poza właściwym miejscem. Problem obejmował zarówno efekty off-target, czyli modyfikacje w innych fragmentach materiału genetycznego, jak i zmiany bystander w pobliżu zamierzonego celu.
- Zespół wykorzystał przewidywania struktur białek oparte na AlphaFold, traktując je jako trójwymiarową mapę edytora.
- Badacze wskazali regiony odpowiedzialne za stabilne przyłączanie narzędzia do docelowego DNA.
- W wybranych miejscach wprowadzili zaprojektowane mutacje oraz dołączyli wyspecjalizowany fragment pochodzący od konwencjonalnego edytora o wysokiej wydajności.
- W ten sposób powstały dwa warianty, OpenABE 1.1 i OpenABE 1.2.
Wyższa skuteczność i ograniczenie zmian poza celem
W badaniu warianty OpenABE 1.1 i OpenABE 1.2 wykazały od 16 do 36 razy większą skuteczność edycji niż istniejące edytory zasad zaprojektowane przez AI. Według autorów wynik ten był porównywalny z działaniem ABE8e, uznawanego za jeden z najważniejszych standardów stosowanych w laboratoriach na całym świecie. Zespół poinformował jednocześnie o znacznym ograniczeniu zmian off-target w otoczeniu genów, które miały być modyfikowane. Oznacza to, że w badanych warunkach narzędzie precyzyjniej koncentrowało swoją aktywność na wyznaczonych sekwencjach.
Istotnym elementem pracy było sprawdzenie, czy edycja może obejmować nie tylko DNA znajdujące się w jądrze komórkowym. Naukowcy wykazali także możliwość modyfikowania DNA mitochondrialnego. Mitochondria odpowiadają za produkcję energii w komórkach, a ich materiał genetyczny jest trudniejszy do edycji ze względu na odmienną organizację i właściwości tych struktur. To wynik na poziomie opracowania narzędzia, a nie dowód skuteczności leczenia u pacjentów.
Sposób dostarczania narzędzia i znaczenie dla dalszych badań
Aby dostarczyć edytory do komórek, badacze umieścili je w inżynierowanych cząstkach podobnych do wirusów, określanych skrótem eVLP. Takie rozwiązanie ma umożliwiać selektywną edycję jednego lub dwóch genów wskazanych jako cele terapii. Autorzy przedstawiają je jako sposób na zwiększenie kontroli nad działaniem narzędzia i ograniczenie niepożądanych modyfikacji. Wyniki nie oznaczają jednak, że OpenABE jest gotowym leczeniem. Przed zastosowaniem klinicznym konieczne byłyby dalsze badania dotyczące między innymi powtarzalności edycji, bezpieczeństwa, odpowiedzi organizmu i skutków długoterminowych.
Badanie opublikowano w czasopiśmie Nucleic Acids Research pod tytułem Structure-guided engineering of AI-derived adenine base editors for nuclear and mitochondrial DNA editing. W publikacji jako autorów wskazano Hwang H-Y i współpracowników, a DOI artykułu to 10.1093/nar/gkag737. Zespół przypomniał również o wcześniejszych pracach nad OpenCRISPR-1, kolejnym edytorem genów zaprojektowanym przez AI. Według przywołanych wyników jego skuteczność była porównywalna z konwencjonalnym Cas9, a liczba mutacji off-target mogła być do 553 razy mniejsza. Połączenie tego narzędzia z edycją prime editing i systemem dostarczania eVLP badacze ocenili jako potencjalny kierunek rozwoju przyszłych platform terapii genowej.
