MétaCan
Menu
Retour à la cohorte
Enregistrement W2888670791 · doi:10.15562/gnc.62

CRISPR as a Versatile Technology for Gene Activation and Genome Editing

2018· article· en· W2888670791 sur OpenAlexvenueno aff
Habib Rezanejadbardeji, Bahareh Behroozi-Asl, Raheleh Amirkhah

Notice bibliographique

RevueJournal of Genes and Cells · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCRISPRGenome editingZinc finger nucleaseTranscription activator-like effector nucleaseCas9BiologyGeneGenome engineeringComputational biologyGenomeGenetics

Résumé

récupéré en direct d'OpenAlex

CRISPR/Cas system, a microbial adaptive immune system, has rapidly transformed the ways researchers can interrogate the genome. CRISPR has many advantages over traditional methods such as Transcription activator-like effector nucleases (TALEN) and Zinc-finger nucleases (ZFN). Since CRISPR discovery as an adaptive immune system used by bacterial against viruses, it has been repurposed to help in many different genome-related studies such as gene knocking in and out, gene expression upregulation and downregulation. Also CRISPR holds vast therapeutic potential for the management of genetic disorders by straight modifying disease-causing mutations. Although the Cas9 protein has been revealed to attach and cleave DNA at off-target sites, the field of Cas9 specificity is quickly progressing, with marked modifying in guide RNA choice, protein and guide engineering, innovative enzymes, and off-target recognition methods. In current review we mostly focus on CRISPR unique ability in gene activation/ upregulation, which has wide applications in different aspects such as gene studies, stem cell differentiation, and trans-differentiation. Compared to other gene activation methods such as viral gene overexpression, TALEN and ZFN, CRISPR offers many benefits such as easy designing and high precision.

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 enseignants0,049
Score d'incertitude au seuil0,232

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 ouverte0,0000,000
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 Opus0,005
Tête enseignante GPT0,273
Écart entre enseignants0,268 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Genes and CellsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207