MétaCan
Menu
← Retour à la cohorte
Enregistrement W4226067321 · doi:10.1038/s41598-021-02986-6

CRISPR/Cas9-mediated base-editing enables a chain reaction through sequential repair of sgRNA scaffold mutations

2021· article· en· W4226067321 sur OpenAlexaff
Tsuyoshi Fukushima, Yosuke Tanaka, Keito Adachi, Nanami Masuyama, Akiho Tsuchiya, Shuhei Asada, Soh Ishiguro, Hideto Mori, M. Seki, Nozomu Yachie, Susumu Goyama, Toshio Kitamura

Notice bibliographique

RevueScientific Reports · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesInstitute of Medical Science, University of TokyoJapan Society for the Promotion of Science
Mots-clésCRISPRCas9Subgenomic mRNABiologyGenome editingComputational biologyChain reactionGeneGeneticsCell biologyChemistry

Résumé

récupéré en direct d'OpenAlex

Cell behavior is controlled by complex gene regulatory networks. Although studies have uncovered diverse roles of individual genes, it has been challenging to record or control sequential genetic events in living cells. In this study, we designed two cellular chain reaction systems that enable sequential sgRNA activation in mammalian cells using a nickase Cas9 tethering of a cytosine nucleotide deaminase (nCas9-CDA). In these systems, thymidine (T)-to-cytosine (C) substitutions in the scaffold region of the sgRNA or the TATA box-containing loxP sequence (TATAloxP) are corrected by the nCas9-CDA, leading to activation of the next sgRNA. These reactions can occur multiple times, resulting in cellular chain reactions. As a proof of concept, we established a chain reaction by repairing sgRNA scaffold mutations in 293 T cells. Importantly, the results obtained in yeast or in vitro did not match those obtained in mammalian cells, suggesting that in vivo chain reactions need to be optimized in appropriate cellular contexts. Our system may lay the foundation for building cellular chain reaction systems that have a broad utility in the future biomedical research.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 GPT0,290
Écart entre enseignants0,276 · 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'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

Citations3
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific Reports→Même sujetCRISPR and Genetic Engineering→Travaux en français237 207→