Systematic profiling of PE6 variants establishes generalizable principles for efficient and specific prime editing

Resumen Técnico: Perfilado Sistemático de las Variantes PE6 para la Optimización de la Edición de Calidad (Prime Editing)

Declaración del Problema
La edición de calidad (prime editing) ofrece una plataforma versátil para la ingeniería genómica precisa sin inducir rupturas de doble cadena ni requerir plantillas de ADN donante. Sin embargo, el campo carece de principios generalizables para la selección de variantes óptimas de editores de calidad. Aunque la familia PE6 (que comprende las variantes a hasta g) y sistemas relacionados (PE2max, PE2max-ΔRNaseH) han demostrado una actividad robusta, los estudios previos se vieron limitados por evaluaciones de pequeña escala de conjuntos de pegRNA. En consecuencia, los factores que determinan cuándo variantes específicas de PE6 superan a otras —particularmente bajo diseños de pegRNA con relevancia terapéutica— permanecen insuficientemente definidos. Esta brecha obliga a los investigadores a depender de pruebas empíricas en lugar de principios de diseño basados en datos para la edición genómica terapéutica.

Metodología
Los autores emplearon un enfoque de cribado de alto rendimiento y procesamiento masivo en paralelo para comparar sistemáticamente nueve editores de calidad: PE2max, PE2max-ΔRNaseH y siete variantes de PE6 (PE6a–g).

• Diseño de la Biblioteca: Se construyó una biblioteca exhaustiva de 18.297 pares únicos de secuencias de pegRNA–objetivo. Esta incluyó:
  • 5.815 pares que modelan mutaciones de 1 a 3 nucleótidos (nt) de ClinVar.
  • 5.233 pares diseñados para inserciones de más de 3 nt.
  • 2.058 pares con desajustes (mismatches) de un solo nucleótido sistemáticos para perfilar la tolerancia.
  • Controles adicionales y conjuntos de desajustes aleatorios.
  • La biblioteca utilizó andamios de pegRNA de ingeniería (epegRNA), asignando aleatoriamente motivos 3' (tevopreQ1 o tmpknot) para el análisis de la diana.
• Configuración Experimental: Se generaron líneas celulares HEK293T que expresan de forma estable cada uno de los nueve editores de calidad mediante una multiplicidad de infección (MOI) baja para asegurar la integración de copia única. Estas células fueron transducidas con la biblioteca por pares a una MOI de 0,5. La eficiencia de edición se cuantificó mediante secuenciación profunda a los 7 y 14 días post-transducción.
• Modelado Computacional: Los autores desarrollaron DeepPrime6, un modelo de aprendizaje profundo para predecir la actividad de edición. Se compararon tres estrategias de entrenamiento: (i) aplicación zero-shot de un modelo DeepPrime preentrenado, (ii) entrenamiento desde cero sobre los nuevos conjuntos de datos de PE6, y (iii) ajuste fino (fine-tuning) del modelo DeepPrime preentrenado con los datos de PE6.
• Estrategias de Mejora: El estudio evaluó la eficacia de motivos de ARN 3' específicos (tmpknot vs. tevopreQ1) y la fusión de la proteína de unión a ARN La a las variantes de PE (generando PE7, PE7b y PE7c) para estabilizar la interacción de la transcriptasa inversa–pegRNA.

Resultados Clave

• Desempeño de las Variantes: A través de 12.481 pegRNAs, PE6b (eficiencia promedio 6,6%) y PE6c (6,1%) exhibieron una actividad significativamente mayor que otras variantes, incluyendo PE6a (5,0%) y PE2max (2,4%). Notablemente, PE2max-ΔRNaseH (4,6%) mostró una actividad sustancialmente mayor que el PE2max de longitud completa, una distinción que no era evidente en estudios previos limitados.
• Generalizabilidad: PE6b y PE6c demostraron la actividad más alta o equivalente en el 89,0% de los pegRNAs con una eficiencia de edición ≥5%. PE6b fue el editor dominante en el 74,8% de estos casos. Otras variantes (PE6d–g) mostraron ventajas en menos del 3% de los casos, lo que indica que su utilidad está restringida a contextos de secuencia específicos.
• Tolerancia a Desajustes y Especificidad: El perfilado de alto rendimiento de desajustes dependientes de la posición reveló que los editores de calidad son altamente sensibles a los desajustes en las regiones PBS y RTT. PE6b logró el equilibrio más favorable entre la actividad general y la tolerancia a desajustes, convirtiéndose en un editor robusto y de aplicación amplia. PE6a exhibió la menor tolerancia a desajustes, posicionándose como una alternativa de especificidad maximizada. Todas las variantes probadas mantuvieron las frecuencias de indels por debajo del 0,05%.
• Optimización de Motivos y Fusión: Contrario a las recomendaciones previas basadas en conjuntos limitados, el motivo tmpknot superó consistentemente a tevopreQ1 en la mayoría de las variantes de PE y tipos de edición. Además, la fusión de la proteína La a PE6b y PE6c (creando PE7b y PE7c) produjo ganancias de actividad consistentes, aunque modestas (1,1 y 1,4 veces, respectivamente).
• Modelado Predictivo: El modelo DeepPrime6, utilizando una estrategia de ajuste fino, alcanzó la mayor precisión predictiva (Pearson's r = 0,66–0,71) para las variantes de PE6, superando tanto a los modelos zero-shot como a los entrenados desde cero.

Significación y Afirmaciones
El estudio establece principios de diseño prácticos y basados en datos para la selección y optimación de editores de calidad basados en PE6. Los autores concluyen que PE6b sirve como un editor estándar robusto para aplicaciones terapéuticas, con PE6c como una alternativa comparable, mientras que PE6a es óptimo para contextos que requieren una especificidad maximizada.

Los autores afirman que sus hallazgos proporcionan una base cuantitativa para la edición genómica terapéutica, alejando al campo de la prueba y error empírica. Además, sugieren que los perfiles de actividad y las preferencias de andamio identificados aquí son probablemente compartidos por los editores de próxima generación (como las variantes PE8 recientemente reportadas), ya que estos derivan de núcleos catalíticos similares. Finalmente, el desarrollo del modelo DeepPrime6 ofrece un marco computacional para guiar la selección de variantes y optimizar las estrategias de edición de calidad para diversos objetivos terapéuticos.