Loss-of-function approaches in comparative physiology: is there a future for knockdown experiments in the era of genome editing?
Notice bibliographique
Résumé
Loss-of-function technologies, such as morpholino- and RNAi-mediated gene knockdown, and TALEN- and CRISPR/Cas9-mediated gene knockout, are widely used to investigate gene function and its physiological significance. Here, we provide a general overview of the various knockdown and knockout technologies commonly used in comparative physiology and discuss the merits and drawbacks of these technologies with a particular focus on research conducted in zebrafish. Despite their widespread use, there is an ongoing debate surrounding the use of knockdown versus knockout approaches and their potential off-target effects. This debate is primarily fueled by the observations that, in some studies, knockout mutants exhibit phenotypes different from those observed in response to knockdown using morpholinos or RNAi. We discuss the current debate and focus on the discrepancies between knockdown and knockout phenotypes, providing literature and primary data to show that the different phenotypes are not necessarily a direct result of the off-target effects of the knockdown agents used. Nevertheless, given the recent evidence of some knockdown phenotypes being recapitulated in knockout mutants lacking the morpholino or RNAi target, we stress that results of knockdown experiments need to be interpreted with caution. We ultimately argue that knockdown experiments should not be discontinued if proper control experiments are performed, and that with careful interpretation, knockdown approaches remain useful to complement the limitations of knockout studies (e.g. lethality of knockout and compensatory responses).
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 ».