MétaCan
Menu
← Retour à la cohorte
Enregistrement W3156657399 · doi:10.1101/2021.04.11.439384

CRISPR Knock-in Designer: automatic oligonucleotide design software to introduce point mutations using CRISPR/Cas9

2021· preprint· en· W3156657399 sur OpenAlexaff
Sergey V. Prykhozhij, Vinothkumar Rajan, Kevin Ban, Jason N. Berman

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of OttawaSunnybrook Health Science CentreChildren's Hospital of Eastern Ontario
Organismes subventionnairesnon disponible
Mots-clésCRISPRGenome editingCas9Computational biologyBiologyPoint mutationGeneticsOligonucleotideGeneContext (archaeology)Computer scienceMutation

Résumé

récupéré en direct d'OpenAlex

Abstract Knock-in of precise point mutations into protein-coding genes has been one of the earliest and most important applications of Clustered Regularly Interspaced Palindromic Repeats (CRISPR)/Cas9. The ability to perform such precise gene editing is crucial to interrogate the function of specific protein residues and to create models of human diseases caused by protein amino acid changes. The homologous protein residues can be mutated in model animal species, and the consequences of these mutations can be studied, leading to a better understanding of the disease in question. Design of point mutation knock-in strategies has been a combination of manual steps assisted by several computational tools resulting in a time-consuming process and preventing a single rapid and integrated solution. We have therefore designed CRISPR Knock-in Designer, which can perform rapid and automatic design of point mutation knock-in DNA oligonucleotides upon provision of the mutation, a guide RNA, and essential identifier or sequence information. The tool supports most experimentally established CRISPR types and has multiple options for the resulting oligonucleotides to satisfy the needs of most users. We also provide allele-specific PCR-based and restriction enzyme-based genotyping strategies as part of the program output. CRISPR Knock-in Designer adjusts to the genomic context of any target codon and tries to design knock-in strategies when a codon straddles two exons, a situation we explored in whole genomes of several model species. CRISPR Knock-in Designer output can also be adapted for use with some of the newer Prime Editing design tools to facilitate the introduction of a specific mutation sequence using this advanced technology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Logiciel · Signal consensuel: aucune
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,006

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 Opus0,015
Tête enseignante GPT0,270
Écart entre enseignants0,255 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreLogiciel

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetCRISPR and Genetic Engineering→Travaux en français237 207→