Multiplexed barcoded CRISPR-Cas9 screening enabled by CombiGEM
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The orchestrated action of genes controls complex biological phenotypes, yet the systematic discovery of gene and drug combinations that modulate these phenotypes in human cells is labor intensive and challenging to scale. Here, we created a platform for the massively parallel screening of barcoded combinatorial gene perturbations in human cells and translated these hits into effective drug combinations. This technology leverages the simplicity of the CRISPR-Cas9 system for multiplexed targeting of specific genomic loci and the versatility of combinatorial genetics en masse (CombiGEM) to rapidly assemble barcoded combinatorial genetic libraries that can be tracked with high-throughput sequencing. We applied CombiGEM-CRISPR to create a library of 23,409 barcoded dual guide-RNA (gRNA) combinations and then perform a high-throughput pooled screen to identify gene pairs that inhibited ovarian cancer cell growth when they were targeted. We validated the growth-inhibiting effects of specific gene sets, including epigenetic regulators KDM4C/BRD4 and KDM6B/BRD4, via individual assays with CRISPR-Cas-based knockouts and RNA-interference-based knockdowns. We also tested small-molecule drug pairs directed against our pairwise hits and showed that they exerted synergistic antiproliferative effects against ovarian cancer cells. We envision that the CombiGEM-CRISPR platform will be applicable to a broad range of biological settings and will accelerate the systematic identification of genetic combinations and their translation into novel drug combinations that modulate complex human disease phenotypes.
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.
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 | 0,001 | 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 découle