Evaluation and prediction of the efficiency of prime editor

Abstract

The prime editor is a highly promising technology capable of inducing all forms of genomic corrections at desired locations, with vast potential for future applications. However, the complexity of designing prime editing guide RNAs (pegRNAs) and the sheer number of possible designs have posed challenges in selecting high-efficiency prime editors. In this study, we measured the efficiency of a large number of pegRNAs using high-throughput screening techniques and identified factors that influence prime editing efficiency. We compared not only the basic PE2 form but also various advanced prime editing systems, including PEmax, PE4, and epegRNA. Additionally, we developed a deep learning model to predict prime editing efficiency based on the data obtained from these experiments. The predictive model we developed demonstrated high correlation in predicting the efficiency of pegRNAs for inducing prime editing in cellular genomes, showing its potential utility in developing gene correction therapies for mutations that cause genetic diseases. This study is expected to play a crucial role in the selection of optimal prime editors for various applications and in advancing research and therapeutic development through gene editing.

프라임 에디터 (Prime editor)는 원하는 위치에 모든 형태의 유전체 교정을 일으킬 수 있기에 앞으로 그 활용도가 매우 높을 것으로 예상되는 기술이다. 하지만 특정 형태의 프라임 에디팅을 유도하기 위한 프라임 에디팅 가이드 RNA (pegRNA)의 설계가 매우 복잡하고, 그 종류가 매우 많기 때문에 높은 효율의 프라임 에디터를 선정하기 어렵다는 한계가 있어왔다. 본 연구에서 우리는 대량의 pegRNA 의 효율을 고효율 스크리닝 기법을 이용해 측정하고 프라임 에디팅의 효율에 영향을 미치는 요소들을 밝혀냈다. 가장 기본적인 형태인 PE2 뿐만 아니라, PEmax, PE4, epegRNA 등 다양한 형태의 프라임 에디팅에 대해서도 동일선상에서 비교하였으며, 또한 위 실험에서 얻은 데이터를 활용하여 프라임 에디팅 효율을 예측하는 딥러닝 모델을 개발하였다. 본 연구에서 개발한 예측 모델은 세포 내 유전체에 직접 프라임 에디팅을 유도하는 pegRNA 들의 효율을 높은 성능으로 예측하였으며, 이는 유전질환을 유도하는 돌연변이에 대한 유전자 교정 치료제를 개발할 때 효과적으로 활용될 수 있음을 보여주었다. 본 연구는 앞으로 프라임 에디터가 활용될 수 있는 다양한 분야에서 최적의 프라임 에디터를 선정하는 것에 사용되고, 유전자 교정을 통한 연구 및 치료제 개발에 중요한 역할을 할 것으로 기대된다.