bioRxiv｜Protein2PAM大模型问世，精准预测与定制化进化PAM识别能力！

本文介绍了美国加利福尼亚州伯克利的Profluent Bio公司Ali Madani团队在bioRxiv上发表的最新研究成果，他们开发了一种名为Protein2PAM的深度学习模型，用于预测和定制CRISPR-Cas系统的PAM序列。该模型利用超过45,000个CRISPR-Cas PAM序列的数据集，能够快速且准确地从多样化的Cas蛋白序列中预测其PAM特异性，无需依赖蛋白质的结构信息。研究结果表明，Protein2PAM在I型和V型CRISPR-Cas系统中的预测准确率分别达到了94.9%和95.5%，在II型系统中的准确率为86.8%。此外，该模型成功实现了对Nme1Cas9变体的计算进化，生成了具有定制PAM特异性的变体，这些变体在体外条件下显示出比野生型高达50倍的PAM切割速率提升。这项研究为未来的基因组编辑技术提供了新的方向，具有潜在的临床应用价值。