Self-Cutting and Integrating CRISPR Plasmids Enable Targeted Genomic Integration of Genetic Payloads for Rapid Cell Engineering
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since observations that CRISPR nucleases function in mammalian cells, many strategies have been devised to adapt them for genetic engineering. Here, we investigated self-cutting and integrating CRISPR-Cas9 plasmids (SCIPs) as easy-to-use gene editing tools that insert themselves at CRISPR-guided locations. SCIPs demonstrated similar expression kinetics and gene disruption efficiency in mouse (EL4) and human (Jurkat) cells, with stable integration in 3–6% of transfected cells. Clonal sequencing analysis indicated that integrants showed bi- or mono-allelic integration of entire CRISPR plasmids in predictable orientations and with limited insertion or deletion formation. Interestingly, including longer homology arms (HAs; 500 bp) in varying orientations only modestly increased knock-in efficiency (by around twofold). Using a SCIP-payload design (SCIPpay) that liberates a promoter-less sequence flanked by HAs thereby requiring perfect homology-directed repair for transgene expression, longer HAs resulted in higher integration efficiency and precision of the payload but did not affect integration of the remaining plasmid sequence. As proofs of concept, we used SCIPpay to insert (1) a gene fragment encoding tdTomato into the CD69 locus of Jurkat cells, thereby creating a cell line that reports T-cell activation, and (2) a chimeric antigen receptor gene into the TRAC locus. Here, we demonstrate that SCIPs function as simple, efficient, and programmable tools useful for generating gene knock-out/knock-in cell lines, and we suggest future utility in knock-in site screening/optimization, unbiased off-target site identification, and multiplexed, iterative, and/or library-scale automated genome engineering.
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.
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 découle