102 Genome engineering nucleases derived from GIY-YIG homing endonucleases
Notice bibliographique
Résumé
Efficient targeted manipulation of complex genomes requires highly specific endonucleases to generate double-strand breaks at defined locations (Bibikova et al., 2003; Bogdanove and Voytas, 2011). The predominantly engineered nucleases, zinc-finger nucleases (ZFNs), and TAL effector nucleases (TALENs) use the catalytic domain of FokI as the nuclease portion. This domain, however, functions as a dimer to nonspecifically cleave DNA meaning that ZFNs and TALENs must be designed in head-to-head pairs to target a desired sequence. To overcome this limitation and expand the toolbox of genome editing reagents, we used the N-terminal catalytic domain and interdomain linker of the monomeric GIY-YIG homing endonuclease I-TevI to create I-TevI-zinc-fingers (Tev-ZFEs), and I-TevI-TAL effectors (Tev-TALs) (Kleinstiver et al. 2012). We also made I-TevI fusions to LAGLIDADGs homing endonucleases (I-Tev-LHEs). All the three fusions showed activity on model substrates on par with ZFNs and TALENs in yeast-based recombination assays. These proof-of-concept experiments demonstrate that the catalytic domain of GIY-YIG homing endonucleases can be targeted to relevant loci by fusing the domain to characterize DNA-binding platforms. Recent efforts have focused on improving the Tev-TAL platform by (1) understanding the spacing requirements between the nuclease cleavage site and the DNA binding site, (2) probing the DNA binding requirements of the I-TevI linker domain, and (3) demonstrating activity in mammalian systems.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».