PrimeNet：基于深度学习和表观遗传特征优化的Prime编辑pegRNA设计新范式

本研究针对Prime编辑技术中pegRNA设计效率预测精度不足的问题，开发了整合染色质可及性和DNA甲基化特征的深度学习模型PrimeNet。通过多尺度卷积和注意力机制，在HEK293T和K562细胞系中分别实现0.94和0.82的Spearman相关系数，显著提升编辑效率预测能力，为精准基因编辑提供新工具。

　　

基因编辑技术的快速发展正在重塑生命科学研究和生物技术应用格局。在众多基因编辑工具中，Prime编辑以其高精度特性脱颖而出，能够在不引起DNA双链断裂的情况下实现点突变、插入和缺失等多种编辑类型。然而这项技术面临的核心挑战在于：编辑长片段时效率低下，且缺乏能准确预测编辑效率的模型。现有预测工具如PRIDICT和DeepPrime虽有所改进，但仍存在两大局限——无法预测超过3bp的大片段编辑，且完全忽略染色质状态、DNA甲基化等表观遗传因素对编辑效率的影响。这些生物学背景的缺失导致模型在异染色质区域效率预测偏差显著，跨细胞系泛化能力受限。

同济大学附属同济医院血液科的研究团队在《Briefings in Bioinformatics》发表的研究中，开发了名为PrimeNet的新型预测模型。该研究创新性地整合了来自ENCODE数据库的染色质可及性（DNase-seq）和DNA甲基化（RRBS）数据，构建多通道伪图像编码方案，通过多尺度卷积模块（MixConv）捕获序列特征，结合通道注意力（Channel Attention）和空间注意力（Conv-attention）机制，最终在HEK293T和K562细胞系测试中分别达到0.94和0.82的Spearman相关系数，显著超越现有工具。这项突破不仅为pegRNA设计提供了更精准的预测框架，更首次系统揭示了表观遗传因素对Prime编辑效率的调控规律。

关键技术方法包括：1）从ENCODE获取多细胞系表观数据（HEK293T/K562的DNase和RRBS数据）；2）设计8通道伪图像编码方案整合序列、表观和功能区特征；3）采用多尺度卷积模块（1x2/3x2/9x2核）提取序列特征；4）引入双注意力机制优化特征权重；5）使用Lookahead优化器和贝叶斯超参数调优提升模型性能。

【模型架构设计】研究团队创新性地将pegRNA序列、表观遗传标记和功能区域信息编码为128x8x2维度的伪图像。其中通道0-3编码ATCG碱基序列，通道4-5分别标记DNase敏感性和DNA甲基化状态，通道6-7标注protospacer-PAM区和RT区。这种多模态编码方式首次实现了序列特征与表观背景的协同建模。

【性能验证】在独立测试集上，PrimeNet对HEK293T细胞系有效编辑、未编辑和错误编辑效率的预测Spearman相关系数分别达0.94、0.93和0.85，显著优于PRIDICT2（0.87/0.84/0.66）和DeepPrime（0.86/0.89/0.80）。在K562细胞系中同样保持优势（0.82/0.81/0.51），证实其跨细胞系泛化能力。

【表观调控机制】通过曼-惠特尼U检验发现，染色质开放区域的有效编辑效率比封闭区域高37%（P<0.001），而DNA甲基化位点的编辑成功率降低42%（P<0.001）。可视化分析进一步揭示protospacer和PAM区的低甲基化状态与高编辑效率显著相关。

【模型可解释性】采用显著性热图技术解析GJB2基因c.269T>C突变案例显示，PrimeNet能准确识别影响编辑效率的关键区域：PAM邻近序列的正向贡献（红色区域）与RT模板区的负向调控（蓝色区域）共同决定了35.11%的实际编辑效率。

研究结论指出，PrimeNet通过三大创新点推动领域发展：1）首次系统整合表观遗传特征，使模型能反映染色质状态对Cas9-pegRNA结合的调控；2）多尺度架构设计同时捕获局部序列特征（如PAM区）和长程相互作用（如RT二级结构）；3）可解释框架揭示protospacer区低甲基化与PAM区适度开放性的协同增效机制。这些发现不仅为pegRNA设计提供量化标准，更拓展了人们对表观遗传影响基因编辑的认识边界。

讨论部分强调，尽管PrimeNet在HEK293T和K562细胞中表现优异，但其在神经元、干细胞等特殊细胞类型中的适用性仍需验证。未来通过纳入更多组学数据（如Hi-C三维基因组、组蛋白修饰）和扩大训练样本量，有望进一步提升模型精度。作为首个融合深度学习和表观遗传学的Prime编辑预测工具，PrimeNet为发展下一代精准基因治疗策略奠定了方法论基础，特别是在镰状细胞贫血、遗传性耳聋等由表观异常引发的疾病治疗领域具有重要转化价值。