[发明专利]使用深度学习的引导编辑效率预测系统及方法

权利要求书

1.一种使用深度学习的引导编辑效率预测系统，其包括：

信息输入单元，其用于接收有关引导编辑器的引导编辑效率的数据；

预测模型生成单元，其用于通过使用由所述信息输入单元接收的数据执行深度学习以学习影响引导编辑效率的特征与引导编辑效率之间的关系来生成引导编辑效率预测模型；

候选序列输入单元，用于接收引导编辑的候选靶序列；和

效率预测单元，其用于通过将所述候选序列输入单元中输入的候选靶序列应用于由所述预测模型生成单元生成的效率预测模型来预测引导编辑效率。

2.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述引导编辑器为引导编辑器2。

3.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述引导编辑效率表示为由引导编辑器和pegRNA诱导的编辑发生的比率，其中靶序列中没有意外突变。

4.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述有关引导编辑效率的数据通过执行包括如下步骤的方法而获得：

将引导编辑器引入细胞文库，所述细胞文库包括寡核苷酸，所述寡核苷酸含有编码pegRNA的核苷酸序列和所述pegRNA所针对的靶核苷酸序列；

使用从引入所述引导编辑器后的细胞文库中获得的DNA执行深度测序；以及

从所述深度测序获得的数据分析引导编辑效率。

5.根据权利要求4所述的使用深度学习的引导编辑效率预测系统，其中，所述寡核苷酸还包括条形码序列。

6.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，从pegRNA和靶序列信息中提取所述影响引导编辑效率的特征。

7.根据权利要求6所述的使用深度学习的引导编辑效率预测系统，其中，所述pegRNA和靶序列信息包括逆转录酶模板序列信息、引物结合位点序列信息和靶序列信息中的任一个或多个。

8.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述预测模型生成单元包括特征提取模块，其中所述特征提取模块用于从pegRNA和靶序列信息中提取影响引导编辑效率的特征。

9.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述预测模型生成单元基于卷积神经网络或多层感知器执行深度学习。

10.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述候选靶序列包括前间区序列邻近基序和前间区序列。

11.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其中，所述效率预测单元预测引导编辑器和pegRNA对候选靶序列的引导编辑效率。

12.根据权利要求1所述的使用深度学习的引导编辑效率预测系统，其还包括输出单元，其输出由效率预测单元预测的引导编辑效率。

13.一种使用深度学习构建引导编辑效率预测系统的方法，其包括：获得引导编辑器的引导编辑效率数据集；以及

使用所述效率数据集，执行用于学习影响引导编辑效率的特征与引导编辑效率之间的关系的深度学习，以生成引导编辑效率预测模型。

14.根据权利要求13所述的使用深度学习构建引导编辑效率预测系统的方法，其中，所述获得效率数据集包括：

将引导编辑器引入细胞文库，所述细胞文库包括寡核苷酸，所述寡核苷酸含有编码pegRNA的核苷酸序列和所述pegRNA所针对的靶核苷酸序列；

使用从引入所述引导编辑器后的细胞文库中获得的DNA执行深度测序；以及

从所述深度测序获得的数据分析引导编辑效率。