MétaCan
Menu
Retour à la cohorte
Enregistrement W2979865448 · doi:10.1038/s41598-019-51090-3

A one-step tRNA-CRISPR system for genome-wide genetic interaction mapping in mammalian cells

2019· article· en· W2979865448 sur OpenAlexafffund
Yulei Zhao, Kathrin Tyrishkin, Calvin Sjaarda, Prem Khanal, Jeff Stafford, Michael J. Rauh, Xudong Liu, Tomas Babak, Xiaolong Yang

Notice bibliographique

RevueScientific Reports · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensQueen's University
Organismes subventionnairesTerry Fox FoundationCure Brain Cancer FoundationGovernment of CanadaCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchQuébec Consortium for Drug DiscoveryEuropean Hematology Association
Mots-clésCRISPRComputational biologyGeneGenomeBiologyGenome editingBarcodeGenetic screenDrug discoveryGeneticsComputer scienceBioinformaticsPhenotype

Résumé

récupéré en direct d'OpenAlex

Mapping genetic interactions in mammalian cells is limited due to technical obstacles. Here we describe a method called TCGI (tRNA-CRISPR for genetic interactions) to generate a high-efficient, barcode-free and scalable pairwise CRISPR libraries in mammalian cells for identifying genetic interactions. We have generated a genome- wide library to identify genes genetically interacting with TAZ in cell viability regulation. Validation of candidate synergistic genes reveals the screening accuracy of 85% and TAZ-MCL1 is characterized as combinational drug targets for non-small cell lung cancer treatments. TCGI has dramatically improved the current methods for mapping genetic interactions and screening drug targets for combinational therapies.

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)0,001
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 enseignants0,171
Score d'incertitude au seuil0,673

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,009
Tête enseignante GPT0,258
Écart entre enseignants0,248 · 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

Citations11
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207