MétaCan
Menu
Retour à la cohorte
Enregistrement W2987201345 · doi:10.1016/j.celrep.2019.10.017

Anti-CRISPR AcrIIA5 Potently Inhibits All Cas9 Homologs Used for Genome Editing

2019· article· en· W2987201345 sur OpenAlexafffund
Bianca Garcı́a, Jooyoung Lee, Alireza Edraki, Yurima Hidalgo-Reyes, Steven Erwood, Aamir Mir, Chantel N. Trost, Uri Seroussi, Sabrina Y. Stanley, Ronald D. Cohn, Julie M. Claycomb, Erik J. Sontheimer, Karen L. Maxwell, Alan R. Davidson

Notice bibliographique

RevueCell Reports · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésCRISPRGenome editingCas9GenomeComputational biologyBiologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

CRISPR-Cas9 systems provide powerful tools for genome editing. However, optimal employment of this technology will require control of Cas9 activity so that the timing, tissue specificity, and accuracy of editing may be precisely modulated. Anti-CRISPR proteins, which are small, naturally occurring inhibitors of CRISPR-Cas systems, are well suited for this purpose. A number of anti-CRISPR proteins have been shown to potently inhibit subgroups of CRISPR-Cas9 systems, but their maximal inhibitory activity is generally restricted to specific Cas9 homologs. Since Cas9 homologs vary in important properties, differing Cas9s may be optimal for particular genome-editing applications. To facilitate the practical exploitation of multiple Cas9 homologs, here we identify one anti-CRISPR, called AcrIIA5, that potently inhibits nine diverse type II-A and type II-C Cas9 homologs, including those currently used for genome editing. We show that the activity of AcrIIA5 results in partial in vivo cleavage of a single-guide RNA (sgRNA), suggesting that its mechanism involves RNA interaction.

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 enseignants0,114
Score d'incertitude au seuil0,785

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 Opus0,007
Tête enseignante GPT0,265
Écart entre enseignants0,258 · 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

Citations54
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetCRISPR and Genetic EngineeringTravaux en français237 207