008240612s2023      us  |||||||||||||||c||eng  d
■001000016932894
■00520240214101125
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798380380782
■035    ▼a(MiAaPQ)AAI30490593
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a004
■1001  ▼aBusia,  Akosua.
■24510▼aLearning  to  Design  Protein  and  DNA  Libraries▼h[electronic  resource]
■260    ▼a[S.l.]:▼bUniversity  of  California,  Berkeley.  ▼c2023
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2023
■300    ▼a1  online  resource(106  p.)
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  85-03,  Section:  B.
■500    ▼aAdvisor:  Listgarten,  Jennifer;Jordan,  Michael.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Berkeley,  2023.
■506    ▼aThis  item  must  not  be  sold  to  any  third  party  vendors.
■520    ▼aUsing  next-generation  sequencing,  it  is  now  possible  to  screen  up  to  billions  of  protein  or  DNA  sequences  in  parallel  for  a  property  of  interest.  Consequently,  high-throughput  sequencing  has  vastly  accelerated  the  rate  of  biological  discovery  for  both  basic  scientific  inquiry  and  for  engineering  novel  enzymes,  therapeutics,  antibodies,  regulatory  elements,  and  beyond.  In  such  high-throughput  sequencing-based  screens  and  selections,  the  quality  of  the  starting  sequence  library  greatly  influences  the  overall  chance  of  successfully  identifying  sequences  with  the  desired  property.  Generalizable  in  silico  methods  for  designing  high-quality  sequence  libraries  promise  to  reduce  wet  lab  experimental  burden  and  improve  the  speed  with  which  new,  functional  sequences  can  be  discovered.  Machine  learning,  in  particular,  provides  a  useful  set  of  tools  for  implementing  such  methods,  as  it  is  well-suited  to  analyzing  the  large  quantities  of  data  produced  by  high-throughput  sequencing.  In  this  dissertation,  we  will  discuss  several  aspects  of  machine  learning-guided  library  design,  and  propose  solutions  to  challenges  posed  by  existing  technologies.First,  we  introduce  a  framework  for  machine  learning-guided  library  design,  and  showcase  its  ability  to  design  diverse,  functional  libraries  in  a  gene  therapy  context.  Specifically,  we  (i)  outline  a  modeling  approach  for  predicting  the  property  selected  for  in  a  high-throughput  sequencing-based  selection  experiment  that  explicitly  accounts  for  uncertainty  in  the  observed  sequencing  data,  and  (ii)  describe  a  novel  machine  learning-guided  design  procedure  that  optimally  trades  off  between  a  library's  average  predicted  property  values  and  its  sequence  diversity.  We  use  these  methods  to  design  a  clinically-relevant  adeno-associated  virus  (AAV)  peptide  insertion  library.  AAVs  hold  tremendous  promise  as  delivery  vectors  for  clinical  gene  therapy,  and  packaging  is  a  general  prerequisite  for  delivering  genetic  material  to  a  target  tissue.  Standard  diversified  libraries  for  engineering  effective  AAV  delivery  vectors  contain  a  high  proportion  of  variants  that  are  unable  to  assemble  or  package  their  genomes,  which  often  limits  the  effectiveness  of  downstream  selections  for  desired  properties  such  as  efficient  infection  of  human  tissues.  Using  our  machine  learning-guided  design  framework,  we  systematically  design  effective  starting  libraries  that  are  as  diverse  as  possible  whilst  being  biased  towards  variants  that  are  able  to  assemble  and  package  the  viral  genome  efficiently.  Specifically,  we  design  a  library  of  peptide  insertions  into  the  AAV  capsid  that  achieves  five-fold  higher  packaging  fitness  than  the  standard  insertion  library-known  as  the  "NNK"  library-with  negligible  reduction  in  diversity.  We  further  demonstrate  the  general  utility  of  our  designed  library  on  a  downstream  task  to  which  our  design  approach  was  agnostic:  infection  of  primary  human  brain  tissue.  Compared  to  the  standard  NNK  library,  our  machine  learning-designed  library  contains  approximately  10-fold  more  variants  that  successfully  infect  the  human  brain.Next,  we  highlight  a  key  shortcoming  of  the  above  predictive  modeling  approach-namely,  its  extremely  limited  ability  to  share  information  across  related  but  non-identical  reads-that  prevents  it  from  making  effective  use  of  sequencing  data  in  many  settings  of  interest.  We  introduce  model-based  enrichment  (MBE)  to  overcome  this  shortcoming.  MBE  is  based  on  a  new  perspective  of  differential  sequencing  analysis  that  uses  sound  theoretical  principles  from  the  density  ratio  estimation  field  in  machine  learning,  is  easy  to  implement,  and  can  trivially  make  use  of  advances  in  modern-day  machine  learning  classification  architectures  or  related  innovations.  We  evaluate  MBE  empirically,  both  in  simulation  and  on  real  experimental  data,  and  show  that  it  improves  accuracy  compared  to  current  ways  of  performing  sequencing-based  differential  analyses-including  the  previous  section's  predictive  modeling  approach.  The  greater  flexibility  of  our  new  approach  enables  effective  analysis  across  a  broader  range  of  common  experimental  setups  than  can  currently  be  achieved,  thereby  expanding  the  set  of  biological  applications  for  which  one  can  learn  accurate  predictive  models  to  guide  library  design.Finally,  we  highlight  some  remaining  challenges  for  machine  learning-guided  library  design,  including  research  opportunities  into  combining  multiple  sources  of  biological  information  in  the  design  process.  In  summary,  this  dissertation  presents  a  number  of  machine  learning  techniques  that  can  be  brought  to  bear  on  the  problem  of  designing  improved  starting  libraries  for  biological  screens  and  selection  experiments.  The  insights  from  this  work  provide  further  motivation  for  researchers  to  combine  laboratory  experiments  with  tools  from  machine  learning  to  efficiently  engineer  novel  functional  protein  and  DNA  sequences.
■590    ▼aSchool  code:  0028.
■650  4▼aComputer  science.
■650  4▼aBiomedical  engineering.
■650  4▼aElectrical  engineering.
■653    ▼aModel-based  enrichment
■653    ▼aDNA  sequences
■653    ▼aMachine  learning
■653    ▼aDNA  libraries
■653    ▼aDesign  protein
■690    ▼a0984
■690    ▼a0544
■690    ▼a0541
■71020▼aUniversity  of  California,  Berkeley▼bElectrical  Engineering  &  Computer  Sciences.
■7730  ▼tDissertations  Abstracts  International▼g85-03B.
■773    ▼tDissertation  Abstract  International
■790    ▼a0028
■791    ▼aPh.D.
■792    ▼a2023
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T16932894▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.
■980    ▼a202402▼f2024