A Digital PCR-Based Method for Efficient and Highly Specific Screening of Genome Edited Cells
Notice bibliographique
Résumé
The rapid adoption of gene editing tools such as CRISPRs and TALENs for research and eventually therapeutics necessitates assays that can rapidly detect and quantitate the desired alterations. Currently, the most commonly used assay employs "mismatch nucleases" T7E1 or "Surveyor" that recognize and cleave heteroduplexed DNA amplicons containing mismatched base-pairs. However, this assay is prone to false positives due to cancer-associated mutations and/or SNPs and requires large amounts of starting material. Here we describe a powerful alternative wherein droplet digital PCR (ddPCR) can be used to decipher homozygous from heterozygous mutations with superior levels of both precision and sensitivity. We use this assay to detect knockout inducing alterations to stem cell associated proteins, NODAL and SFRP1, generated using either TALENs or an "all-in-one" CRISPR/Cas plasmid that we have modified for one-step cloning and blue/white screening of transformants. Moreover, we highlight how ddPCR can be used to assess the efficiency of varying TALEN-based strategies. Collectively, this work highlights how ddPCR-based screening can be paired with CRISPR and TALEN technologies to enable sensitive, specific, and streamlined approaches to gene editing and validation.
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 ».