上一篇我們的基因體時代-AI, Data和生物資訊 Day11-基因療法中之腺病毒載體與機器學習 我們往下去看一下這篇文章裡面是怎麼用機器學習去擴增腺病毒相關載體的可能組合，也把裡面用到的代碼和python程式包列出來。

這邊往下去看深化下去的應用，比如昨天的那篇是在用機器學習擴增腺病毒相關病毒的外殼總類，下面則是可以進一步去用機器學習去導引出能否設計出針對不同臟器有親和力的外殼，這也是蠻重要的，因為我們可能希望這個基因治療是針對肝臟、肺臟、腎臟、腸胃道、心臟、血液系統的基因治療。

這篇Comprehensive AAV capsid fitness landscape reveals a viral gene and enables machine-guidede design.2019
雖然我後來發現這篇是在前兩天分享主題之前的做法，所以實際上沒有用到太複雜的機器學習，但是卻因此建立了很大的一筆資料庫。

這篇研究的做法其實揭示了未來生物科技行業往高通量設計前行，且搭配次世代定序變得非常可行，在這邊他將大自然界自然存在的腺病毒相關病毒的序列和感染細胞株後的病毒顆粒做比較，其中將病毒顆粒分離出來的序列拿去送定序，借此取得在VP區域的每個位點的變化，而產生如上圖D的巨大矩陣，從這個矩陣可以看出，紅色的地方是這個位置突變或是置換後，他是否會形成正常病毒顆粒，紅色就是可以，藍色就是不行，可以發現有些區域不太能容忍變換，有的可以，後來發現其實是跟這個區域最後會在病毒顆粒的外層還是稍微內層有關，從上圖E可以看出紅色的區域其實就是病毒外殼露出來的部分，比較可以有多種變化，反之，靠內層的序列可能跟折疊有關，一變化，可能就會影響到折疊。

接者，再把這病毒從老鼠的眼窩注入，感染老鼠，之後再把其器官解剖後，去看裡面是否可以定序到相關病毒顆粒的序列，可以發現到不同的序列，在不同的器官其實有喜愛度的差別，基本上可以用PCA分成三群，這三群對於器官的洗好也不同。

最後發現在氨基酸序列561-588這區域的變換，接者從這邊選取多個變異的來設計，後來發現根據前面資料來設計多變異的之設計，其成功率會比較高，這邊其實可以嗅到跟前面一篇講的觀念有的類似。

如同這篇Overcoming Immunological Challenges Limiting Capsid-Mediated Gene Therapy With Machine Learning.2021裡面的圖，目前這類將機器學習導入載體設計的風潮其實已經慢慢浮上主流了，如何搭配更好的實驗設計將上模型框架，將能讓人具有更快速更便宜來打造基因治療工具的能力。

接者來分享一些DoE的工具如何應用機器學習做更高效的編排！

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

這個月的規劃貼在這篇文章中我們的基因體時代-AI, Data和生物資訊 Overview，也會持續調整！我們的基因體時代是我經營的部落格，如有對於生物資訊、檢驗醫學、資料視覺化、R語言有興趣的話，可以來交流交流！