A rapid and effective method for screening, sequencing and reporter verification of engineered frameshift mutations in zebrafish
Notice bibliographique
Résumé
Clustered Regularly Interspaced Palindromic Repeats (CRISPR)/Cas9 adaptive immunity against pathogens in bacteria has been adapted for genome editing and applied in zebrafish (Danio rerio) to generate frameshift mutations in protein-coding genes. Although there are methods to detect, quantify and sequence CRISPR/Cas9-induced mutations, identifying mutations in F1 heterozygous fish remains challenging. Additionally, sequencing a mutation and assuming that it causes a frameshift does not prove causality because of possible alternative translation start sites and potential effects of mutations on splicing. This problem is compounded by the relatively few antibodies generated to zebrafish proteins, limiting validation at the protein level. To address these issues, we developed a detailed protocol to screen F1 mutation carriers, and clone and sequence identified mutations. In order to verify that mutations actually cause frameshifts, we created a fluorescent reporter system that can detect frameshift efficiency based on the cloning of wild-type and mutant cDNA fragments and their expression levels. As proof-of-principle, we applied this strategy to three CRISPR/Cas9-induced mutations in pycr1a, chd7 and hace1 genes. An insertion of 7 nucleotides in pycr1a, resulted in the first reported observation of exon skipping by CRISPR/Cas9-induced mutations in zebrafish. However, of these 3 mutant genes, the fluorescent reporter revealed effective frameshifting exclusively in the case of a 2-nucleotide deletion in chd7, suggesting activity of alternative translation sites in the other two mutants even though pycr1a exon-skipping deletion is likely deleterious. This article provides a protocol for characterizing frameshift mutations in zebrafish, and highlights the importance of checking mutations at the mRNA level and verifying their effects on translation by fluorescent reporters when antibody detection of protein loss is not possible.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».