MétaCan
Menu
Retour à la cohorte
Enregistrement W2911838180 · doi:10.1128/msphere.00002-19

A CRISPR Interference Platform for Efficient Genetic Repression in <i>Candida albicans</i>

2019· article· en· W2911838180 sur OpenAlexafffund
Lauren Wensing, Jehoshua Sharma, Deeva Uthayakumar, Yannic Proteau, Alejandro Chavez, Rebecca S. Shapiro

Notice bibliographique

RevuemSphere · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaGovernment of CanadaBanting Research FoundationUniversity of Guelph
Mots-clésCRISPRCRISPR interferenceBiologyCandida albicansCas9Psychological repressionVirulenceGeneRNA interferenceRepressorGeneticsPathogenGenetic screenTrans-activating crRNACorpus albicansFungal pathogenHuman pathogenComputational biologyRNAGene expressionMutant

Résumé

récupéré en direct d'OpenAlex

Fungal pathogens are an increasingly important cause of human disease and mortality, and Candida albicans is among the most common causes of fungal disease. Studying this important fungal pathogen requires a comprehensive genetic toolkit to establish how different genetic factors play roles in the biology and virulence of this pathogen. Here, we developed a CRISPR-based genetic regulation platform to achieve targeted repression of C. albicans genes. This CRISPR interference (CRISPRi) technology exploits a nuclease-dead Cas9 protein (dCas9) fused to transcriptional repressors. The dCas9 fusion proteins pair with a guide RNA to target genetic promoter regions and to repress expression from these genes. We demonstrated the functionality of this system for repression in C. albicans and show that we can apply this technology to repress essential genes. Taking the results together, this work presents a new technology for efficient genetic repression in C. albicans , with important applications for genetic analysis in this fungal pathogen.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,277
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), 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

Citations75
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemSphereMême sujetCRISPR and Genetic EngineeringTravaux en français237 207