MétaCan
Menu
Retour à la cohorte
Enregistrement W3149158769 · doi:10.1128/mbio.03338-20

Cooperation between Different CRISPR-Cas Types Enables Adaptation in an RNA-Targeting System

2021· article· en· W3149158769 sur OpenAlexafffund
Ville Hoikkala, Janne Ravantti, César Díez‐Villaseñor, Marja Tiirola, Rachel A. Conrad, Mark J. McBride, Sylvain Moineau, Lotta‐Riina Sundberg

Notice bibliographique

RevuemBio · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversité Laval
Organismes subventionnairesKoneen SäätiöGovernment of CanadaJane ja Aatos Erkon SäätiöAcademy of FinlandNatural Sciences and Engineering Research Council of CanadaEuropean CommissionU.S. Department of Agriculture
Mots-clésCRISPRAdaptation (eye)RNAComputational biologyComputer scienceBiologyGeneticsGeneNeuroscience

Résumé

récupéré en direct d'OpenAlex

CRISPR-Cas systems are immune systems that protect bacteria and archaea against their viruses, bacteriophages. Immunity is achieved through the acquisition of short DNA fragments from the viral invader's genome. These fragments, called spacers, are integrated into a memory bank on the bacterial genome called the CRISPR array. The spacers allow for the recognition of the same invader upon subsequent infection. Most CRISPR-Cas systems target DNA, but recently, systems that exclusively target RNA have been discovered. RNA-targeting CRISPR-Cas systems often lack genes necessary for spacer acquisition, and it is thus unknown how new spacers are acquired and if they can be acquired from DNA phages. Here, we show that an RNA-targeting system "borrows" acquisition machinery from another CRISPR-Cas locus in the genome. Most new spacers in this locus are unable to target phage mRNA and are therefore likely redundant. Our results reveal collaboration between distinct CRISPR-Cas types and raise further questions on how other CRISPR-Cas loci may cooperate.

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 enseignants0,038
Score d'incertitude au seuil0,346

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 Opus0,014
Tête enseignante GPT0,287
Écart entre enseignants0,273 · 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

Citations53
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetCRISPR and Genetic EngineeringTravaux en français237 207