MétaCan
Menu
Retour à la cohorte
Enregistrement W2410334038 · doi:10.1139/bcb-2015-0150

Footprintless disruption of prosurvival genes in aneuploid cancer cells using CRISPR/Cas9 technology

2016· article· en· W2410334038 sur OpenAlexvenueno aff
Justyna Krachulec, Georg Sedlmeier, Wilko Thiele, Jonathan P. Sleeman

Notice bibliographique

RevueBiochemistry and Cell Biology · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesGraduiertenakademie, Technische Universität DresdenUniversität HeidelbergDeutsche Forschungsgemeinschaft
Mots-clésCRISPRBiologyCas9Genome editingGeneticsGeneComputational biologyCancer cellCancer

Résumé

récupéré en direct d'OpenAlex

CRISPR/Cas9 has emerged as a powerful methodology for the targeted editing of genomic DNA sequences. Nevertheless, the intrinsic inefficiency of transfection methods required to use this technique with cultured cells requires the selection and isolation of successfully modified cells, which invariably subjects the cells to stress. Here we report a workflow that allows the isolation of genomically modified cells, even where loss of functional alleles constitutes a selective disadvantage owing to impaired ability to survive stress. Using targeted disruption of the Id1 and Id3 genes in murine B16-F10 and Ret melanoma cell lines as an example, we show that the method allows for the footprintless isolation of CRISPR/Cas9-modified aneuploid cancer cells. We also provide evidence that serial CRISPR/Cas9 modifications can occur, for example when initial homologous recombination events introduce cryptic PAM sequences, and demonstrate that multiple alleles can be successfully targeted in aneuploid cancer cells. By sequencing individual alleles we also found evidence for CRISPR/Cas9-induced transposable element insertion, albeit at a low frequency. This workflow should have broad application in the functional analysis of prosurvival gene function in cultured cells.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,301
Écart entre enseignants0,292 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemistry and Cell BiologyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207