An automated microfluidic gene-editing platform for deciphering cancer genes
Notice bibliographique
Résumé
Gene-editing techniques such as RNA-guided endonuclease systems are becoming increasingly popular for phenotypic screening. Such screens are normally conducted in arrayed or pooled formats. There has been considerable interest in recent years to find new technological methods for conducting these gene-editing assays. We report here the first digital microfluidic method that can automate arrayed gene-editing in mammalian cells. Specifically, this method was useful in culturing lung cancer cells for up to six days, as well as implementing automated gene transfection and knockout procedures. In addition, a standardized imaging pipeline to analyse fluorescently labelled cells was also designed and implemented during these procedures. A gene editing assay for interrogating the MAPK/ERK pathway was performed to show the utility of our platform and to determine the effects of knocking out the RAF1 gene in lung cancer cells. In addition to gene knockout, we also treated the cells with an inhibitor, Sorafenib Tosylate, to determine the effects of enzymatic inhibition. The combination of enzymatic inhibition and guide targeting on device resulted in lower drug concentrations for achieving half-inhibitory effects (IC50) compared to cells treated only with the inhibitor, confirming that lung cancer cells are being successfully edited on the device. We propose that this system will be useful for other types of gene-editing assays and applications related to personalized medicine.
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 ».