El genoma humano tiene sus propios correctores y editores, y su trabajo no es tan casual como se pensaba.
Cuando la doble hélice del ADN se rompe después del daño de, por ejemplo, la exposición a los rayos X, las máquinas moleculares realizan una especie de "autocorrección" genética para volver a unir el genoma, pero esas reparaciones a menudo son imperfectas.el teléfono inteligente puede enmendar un mensaje de texto mal escrito en una frase incoherente, el proceso de reparación del ADN natural de la célula puede agregar o eliminar fragmentos de ADN en el sitio de ruptura de una manera aparentemente aleatoria e impredecible.ubicaciones, pero esto puede crear "errores ortográficos" que alteran la función de los genes.
Esta respuesta al daño inducido por CRISPR, llamada "unión final", es útil para deshabilitar un gen, pero los investigadores han considerado que es muy propenso a errores para explotar con fines terapéuticos.
Un nuevo estudio cambia este punto de vista. Al crear un algoritmo de aprendizaje automático que predice cómo las células humanas y de ratón responden a las roturas inducidas por CRISPR en el ADN, un equipo de investigadores descubrió que las células a menudo reparan genes rotos de manera precisa y predecible, a veces incluso devolviendo los genes mutados a su versión saludable. Además, los investigadores pusieron a prueba este poder predictivo y corrigieron con éxito las mutaciones en células tomadas de pacientes con uno de dos trastornos genéticos raros
El trabajo sugiere que la autocorrección genética de la célula podría algún día combinarse con terapias basadas en CRISPR que corrijan las mutaciones genéticas simplemente cortando el ADN con precisión y permitiendo que la célula cure el daño de forma natural.
El estudio, publicado esta semana en Naturaleza , fue dirigido por David Liu, el profesor Richard Merkin y director del Instituto Merkin de Tecnologías Transformativas en Salud, y vicepresidente de la facultad en el Instituto Broad; David Gifford, profesor de ciencias de la computación e ingeniería biológica en el MIT; yRichard Sherwood, profesor asistente de medicina en la División de Genética del Hospital Brigham and Women's.
"El aprendizaje automático ofrece nuevos horizontes para el desarrollo de la terapéutica humana", dijo Gifford, "este estudio es un ejemplo de cómo combinar el diseño y análisis de experimentos computacionales con objetivos terapéuticos puede producir una modalidad terapéutica inesperada".
"Actualmente no tenemos una forma eficiente de corregir con precisión muchas mutaciones de enfermedades humanas", dijo Liu. "Mediante el aprendizaje automático, hemos demostrado que a menudo podemos corregir esas mutaciones de manera predecible, simplemente dejando que la célula se repare sola".
Muchas mutaciones asociadas con enfermedades involucran ADN extra o faltante, conocidas como inserciones y deleciones. Los investigadores han intentado corregir esas mutaciones con la edición de genes basada en CRISPR. Para hacer esto, cortaron la doble hélice con una enzima e insertaron ADN faltante,o eliminar ADN adicional, utilizando una plantilla de material genético que sirve como modelo. Sin embargo, el enfoque solo funciona en células que se dividen rápidamente como las células madre sanguíneas e incluso entonces es solo parcialmente efectivo, lo que lo convierte en una mala elección para la terapéutica dirigida ala mayoría de los tipos de células en el cuerpo. Para restaurar la función de los genes sin una reparación con plantilla es necesario saber cómo la célula arreglará las roturas de ADN inducidas por CRISPR, conocimiento que no existía hasta ahora.
Anteriormente se había observado evidencia de un patrón para los resultados de reparación CRISPR, y el laboratorio de Gifford comenzó a pensar que dichos resultados podrían ser lo suficientemente predecibles para modelar con precisión; sin embargo, necesitaban mucha más información para convertir esos patrones en una comprensión predictiva precisa.
Dirigidos por el estudiante de posgrado del MIT Max Shen y el investigador postdoctoral del Broad Institute Mandana Arbab, los investigadores desarrollaron una estrategia para observar cómo las células repararon una biblioteca de 2,000 sitios seleccionados por CRISPR en genomas de ratones y humanos. Después de observar cómo la célula reparó esos cortes, vertieron los datos resultantes en un modelo de aprendizaje automático, en Delphi, lo que llevó al algoritmo a aprender cómo respondió la célula a los cortes en cada sitio, es decir, qué pedazos de ADN la célula agregó o eliminó de cada gen dañado.
Descubrieron que inDelphi podía discernir patrones en los sitios de corte que predecían qué inserciones y deleciones se hicieron en el gen corregido. En muchos sitios, el conjunto de genes corregidos no contenía una gran mezcla de variaciones, sino un único resultado, comocomo corrección de un gen patogénico.
De hecho, después de consultar en Delphi los genes relevantes para la enfermedad que podrían corregirse cortando en el lugar correcto, los investigadores encontraron casi doscientas variantes genéticas patógenas que en su mayoría se corrigieron a sus versiones normales y saludables después de cortarse con CRISPR asociadoenzimas. También fueron capaces de corregir mutaciones en células de pacientes con dos trastornos genéticos raros, el síndrome de Hermansky-Pudlak y la enfermedad de Menkes.
"Mostramos que la misma enzima CRISPR que se ha utilizado principalmente como mazo también puede actuar como un cincel", dijo Sherwood. "La capacidad de conocer el resultado más probable de su experimento antes de hacerlo será un verdadero avancepara los muchos investigadores que usan CRISPR "
"Habíamos esperado poder reparar los genes asociados a la enfermedad a sus formas nativas, y fue bastante gratificante ver que nuestra hipótesis era correcta", dijo Gifford.
InDelphi está disponible en el sitio que permite a los investigadores académicos de todo el mundo diseñar ARN guía para realizar ediciones precisas. Los científicos interesados en reparar mutaciones patógenas pueden consultar el sitio para ver dónde podrían cortar el ADN y obtener los resultados deseados. Además, los científicos puedentambién use el sitio para confirmar la eficacia de los cortes de ADN destinados a desactivar los genes, o para determinar los subproductos de unión final de una reparación dirigida por plantilla.
Queda más trabajo antes de que este enfoque se pueda utilizar para corregir mutaciones en la clínica. En los casos en que los resultados pronosticados conducen a algo útil, ya sea para fines de investigación o terapéuticos, este estudio muestra que desencadenar la autocorrección natural de la célula puede ser unenfoque eficiente de edición del genoma.
Fuente de la historia :
Materiales proporcionado por Instituto Amplio del MIT y Harvard . Original escrito por Leah Eisenstadt. Nota: El contenido puede ser editado por estilo y longitud.
Referencia del diario :
Cita esta página :