You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
SALUTE<br />
PREVEDERE I RISULTATI<br />
DELL’EDITING GENETICO<br />
Arriva da Harvard un modello, chiamato BE-Hive, che<br />
permette di individuare l’editor di basi più adatto tra quelli disponibili<br />
genetico è una tecnologia<br />
che negli ultimi anni sta<br />
generando ambiziose aspettative<br />
e un delicato e importante L’editing<br />
dibattito. In tutto il mondo da tempo l’ingegneria<br />
genetica concentra gli sforzi della<br />
ricerca nell’intervenire con una precisione<br />
sempre maggiore nella correzione degli errori<br />
nel DNA. Una frontiera della medicina<br />
del futuro che insegue la possibilità di<br />
agire sui geni difettosi, riparare più punti<br />
in contemporanea e non dover procedere<br />
sugli errori fornendo dall’esterno geni sani.<br />
All’Università di Harvard hanno applicato<br />
il machine learning alla ricerca<br />
nell’editing genetico e hanno sviluppato<br />
BE-Hive, un modello di apprendimento<br />
automatico, capace di indicare quale tra gli<br />
editor di basi a disposizione - strumenti di<br />
editing genetico di precisione che intervengono<br />
su singole lettere della doppia elica,<br />
trasformando una base in un’altra - potrà<br />
fornire i migliori risultati su un caso specifico<br />
di errore. Questo significa permettere<br />
agli scienziati di recuperare tempo prezioso<br />
che sarebbe altrimenti impiegato per<br />
prove ed errori, un tempo fondamentale<br />
per pazienti affetti da sindromi genetiche.<br />
«Ogni settimana vengono pubblicati<br />
nuovi editor di basi – spiega David<br />
Liu, professore ad Harvard e ricercatore<br />
dell’Howard Hughes Medical Institute<br />
(HHMI) – <strong>Il</strong> progresso in questa direzione<br />
è eccezionale, ma lascia<br />
ai ricercatori una<br />
serie molto vasta di<br />
scelte da compiere su<br />
quale editor di basi<br />
utilizzare».<br />
Liu parla con<br />
cognizione di causa,<br />
avendo dato vita a<br />
diversi strumenti di<br />
questo tipo. Sua, in particolare, la tecnica<br />
chiamata Adenine Base Editor (ABE) che<br />
interviene sulla disposizione dell’adenina<br />
per trasformarla in guanina. Con il suo<br />
team di ricerca ha però compiuto ulteriori<br />
All’Università di Harvard<br />
hanno sviluppato il<br />
modello di apprendimento<br />
automatico BE-Hive<br />
passi in avanti in senso generale e ha sviluppato<br />
il processo dando vita a un metodo<br />
per identificare quali editor abbiano maggiori<br />
probabilità di successo rispetto alle<br />
modifiche desiderate.<br />
Lo studio, che è stata pubblicato sulla<br />
rivista scientifica “Cell”, è basato sui<br />
dati sperimentali relativi a 38.000 target<br />
di intervento classificati nel DNA e sulle<br />
elaborazioni effettuate<br />
da 11 delle più<br />
note tecniche di editing<br />
genetico di basi<br />
(BE). I ricercatori di<br />
Harvard hanno sviluppato<br />
un modello<br />
di apprendimento<br />
automatico che riesce<br />
a prevedere i risultati<br />
dell’intervento.<br />
Per analizzare le informazioni e disposizione<br />
e valutare tutti i fattori che intervengono<br />
nel processo di riparazione, il<br />
team di Harvard si è affidato alle macchine<br />
46 <strong>Il</strong> <strong>Giornale</strong> <strong>dei</strong> <strong>Biologi</strong> | Luglio/agosto 2020