MétaCan
Menu
Retour à la cohorte
Enregistrement W2577572217 · doi:10.1038/ncomms14112

Rapid generation of hypomorphic mutations

2017· article· en· W2577572217 sur OpenAlexafffund
Laura Arthur, Joyce J Chung, Preetam Janakirama, Kathryn M. Keefer, Igor Kolotilin, Slavica Pavlovic‐Djuranovic, Douglas L. Chalker, Vojislava Grbić, Rachel Green, Rima Menassa, Heather L. True, James B. Skeath, Sergej Djuranović

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensGolder Associates (Canada)Agriculture and Agri-Food CanadaWestern University
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaNational Science FoundationNational Institutes of HealthAmerican Cancer Society
Mots-clésGeneBiologyCoding regionGene expressionGeneticsTranslation (biology)MutationComputational biologyRegulation of gene expressionFunction (biology)Messenger RNA

Résumé

récupéré en direct d'OpenAlex

Hypomorphic mutations are a valuable tool for both genetic analysis of gene function and for synthetic biology applications. However, current methods to generate hypomorphic mutations are limited to a specific organism, change gene expression unpredictably, or depend on changes in spatial-temporal expression of the targeted gene. Here we present a simple and predictable method to generate hypomorphic mutations in model organisms by targeting translation elongation. Adding consecutive adenosine nucleotides, so-called polyA tracks, to the gene coding sequence of interest will decrease translation elongation efficiency, and in all tested cell cultures and model organisms, this decreases mRNA stability and protein expression. We show that protein expression is adjustable independent of promoter strength and can be further modulated by changing sequence features of the polyA tracks. These characteristics make this method highly predictable and tractable for generation of programmable allelic series with a range of expression levels.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,284
Score d'incertitude au seuil0,235

Scores Codex et Gemma par catégorie

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,033
Tête enseignante GPT0,353
Écart entre enseignants0,320 · 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 tête enseignante, 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

Citations16
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207