Priming in a permissive type I-C CRISPR–Cas system reveals distinct dynamics of spacer acquisition and loss
Notice bibliographique
Résumé
CRISPR–Cas is a bacterial and archaeal adaptive immune system that uses short, invader-derived sequences termed spacers to target invasive nucleic acids. Upon recognition of previously encountered invaders, the system can stimulate secondary spacer acquisitions, a process known as primed adaptation. Previous studies of primed adaptation have been complicated by intrinsically high interference efficiency of most systems against bona fide targets. As such, most primed adaptation to date has been studied within the context of imperfect sequence complementarity between spacers and targets. Here, we take advantage of a native type I-C CRISPR–Cas system in Legionella pneumophila that displays robust primed adaptation even within the context of a perfectly matched target. Using next-generation sequencing to survey acquired spacers, we observe strand bias and positional preference that are consistent with a 3′–5′ translocation of the adaptation machinery. We show that spacer acquisition happens in a wide range of frequencies across the plasmid, including a remarkable hotspot that predominates irrespective of the priming strand. We systematically characterize protospacer sequence constraints in both adaptation and interference and reveal extensive flexibilities regarding the protospacer adjacent motif in both processes. Lastly, in a strain with a genetically truncated CRISPR array, we observe increased interference efficiency, which, when coupled with forced maintenance of a targeted plasmid, provides a useful experimental system to study spacer loss. Based on these observations, we propose that the Legionella pneumophila type I-C system represents a powerful model to study primed adaptation and the interplay between CRISPR interference and adaptation.
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 ».