我们的基因体时代-AI, Data和生物资讯 Day12-基因疗法中之腺病毒载体与机器学习

上一篇我们的基因体时代-AI, Data和生物资讯 Day11-基因疗法中之腺病毒载体与机器学习 我们往下去看一下这篇文章里面是怎麽用机器学习去扩增腺病毒相关载体的可能组合，也把里面用到的代码和python程序包列出来。

这边往下去看深化下去的应用，比如昨天的那篇是在用机器学习扩增腺病毒相关病毒的外壳总类，下面则是可以进一步去用机器学习去导引出能否设计出针对不同脏器有亲和力的外壳，这也是蛮重要的，因为我们可能希望这个基因治疗是针对肝脏、肺脏、肾脏、肠胃道、心脏、血液系统的基因治疗。

这篇Comprehensive AAV capsid fitness landscape reveals a viral gene and enables machine-guidede design.2019
虽然我後来发现这篇是在前两天分享主题之前的做法，所以实际上没有用到太复杂的机器学习，但是却因此建立了很大的一笔资料库。

这篇研究的做法其实揭示了未来生物科技行业往高通量设计前行，且搭配次世代定序变得非常可行，在这边他将大自然界自然存在的腺病毒相关病毒的序列和感染细胞株後的病毒颗粒做比较，其中将病毒颗粒分离出来的序列拿去送定序，借此取得在VP区域的每个位点的变化，而产生如上图D的巨大矩阵，从这个矩阵可以看出，红色的地方是这个位置突变或是置换後，他是否会形成正常病毒颗粒，红色就是可以，蓝色就是不行，可以发现有些区域不太能容忍变换，有的可以，後来发现其实是跟这个区域最後会在病毒颗粒的外层还是稍微内层有关，从上图E可以看出红色的区域其实就是病毒外壳露出来的部分，比较可以有多种变化，反之，靠内层的序列可能跟折叠有关，一变化，可能就会影响到折叠。

接者，再把这病毒从老鼠的眼窝注入，感染老鼠，之後再把其器官解剖後，去看里面是否可以定序到相关病毒颗粒的序列，可以发现到不同的序列，在不同的器官其实有喜爱度的差别，基本上可以用PCA分成三群，这三群对於器官的洗好也不同。

最後发现在氨基酸序列561-588这区域的变换，接者从这边选取多个变异的来设计，後来发现根据前面资料来设计多变异的之设计，其成功率会比较高，这边其实可以嗅到跟前面一篇讲的观念有的类似。

如同这篇Overcoming Immunological Challenges Limiting Capsid-Mediated Gene Therapy With Machine Learning.2021里面的图，目前这类将机器学习导入载体设计的风潮其实已经慢慢浮上主流了，如何搭配更好的实验设计将上模型框架，将能让人具有更快速更便宜来打造基因治疗工具的能力。

接者来分享一些DoE的工具如何应用机器学习做更高效的编排！

Comprehensive AAV capsid fitness landscape reveals a viral gene and enables machine-guidede design. Science. 2019

Overcoming ImmunologicalChallenges Limiting Capsid-Mediated Gene Therapy with Machine Learning. Front. Immunol. 2021

Engineering adeno-associated viral vectors to evade innate immune and inflammatory responses. Sci Transl Med. 2021

这个月的规划贴在这篇文章中我们的基因体时代-AI, Data和生物资讯 Overview，也会持续调整！我们的基因体时代是我经营的部落格，如有对於生物资讯、检验医学、资料视觉化、R语言有兴趣的话，可以来交流交流！