New Developments in CRISPR/Cas-based Functional Genomics and their Implications for Research Using Zebrafish
Notice bibliographique
Résumé
INTRODUCTION: Genome editing using CRISPR/Cas9 has advanced very rapidly in its scope, versatility and ease of use. Zebrafish (Danio rerio) has been one of the vertebrate model species where CRISPR/Cas9 has been applied very extensively for many different purposes and with great success. In particular, disease modeling in zebrafish is useful for testing specific gene variants for pathogenicity in a preclinical setting. Here we describe multiple advances in diverse species and systems that can improve genome editing in zebrafish. OBJECTIVE: To achieve temporal and spatial precision of genome editing, many new technologies can be applied in zebrafish such as artificial transcription factors, drug-inducible or optogenetically-driven expression of Cas9, or chemically-inducible activation of Cas9. Moreover, chemically- or optogenetically- inducible reconstitution of dead Cas9 (catalytically inactive, dCas9) can enable spatiotemporal control of gene regulation. In addition to controlling where and when genome editing occurs, using oligonucleotides allows for the introduction (knock-in) of precise modifications of the genome. CONCLUSION: We review recent trends to improve the precision and efficiency of oligo-based point mutation knock-ins and discuss how these improvements can apply to work in zebrafish. Similarly to how chemical mutagenesis enabled the first genetic screens in zebrafish, multiplexed sgRNA libraries and Cas9 can enable the next revolutionary transition in how genetic screens are performed in this species. We discuss the first examples and prospects of approaches using sgRNAs as specific and effective mutagens. Moreover, we have reviewed methods aimed at measuring the phenotypes of single cells after their mutagenic perturbation with vectors encoding individual sgRNAs. These methods can range from different cell-based reporters to single-cell RNA sequencing and can serve as great tools for high-throughput genetic screens.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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.
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 ».