MétaCan
Menu
Retour à la cohorte
Enregistrement W4255388717 · doi:10.3410/f.731684714.793544913

Faculty Opinions recommendation of RNA targeting with CRISPR-Cas13.

2018· dataset· en· W4255388717 sur OpenAlexaff
Luc DesGroseillers

Notice bibliographique

RevueFaculty Opinions – Post-Publication Peer Review of the Biomedical Literature · 2018
Typedataset
Langueen
DomaineEngineering
ThématiqueBiomedical and Engineering Education
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Institute of Mental HealthHoward Hughes Medical InstituteNational Institutes of HealthNational Science Foundation
Mots-clésGene knockdownCRISPRRNA interferenceRNAEffectorSmall hairpin RNAComputational biologyBiologyGeneticsGeneCell biology

Résumé

récupéré en direct d'OpenAlex

RNA plays important and diverse roles in biology, but molecular tools to manipulate and measure RNA are limited.For example, RNA interference (RNAi) 1-3 can efficiently knockdown RNAs, but it is prone to off-target effects 4 , and visualizing RNAs typically relies on the introduction of exogenous tags 5 .Here, we demonstrate that the class 2 type VI 6,7 RNA-guided RNA-targeting CRISPR-Cas effector Cas13a 8 (previously known as C2c2) can be engineered for mammalian cell RNA knockdown and binding.After initial screening of fifteen orthologs in E. coli, we identified Cas13a from Leptotrichia wadei (LwaCas13a) as the most effective.LwaCas13a can be heterologously expressed in mammalian and plant cells for targeted knockdown of either reporter or endogenous transcripts.We demonstrate that LwaCas13a is capable of providing comparable levels of knockdown as RNAi, but with dramatically improved specificity.Moreover, catalytically

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,019
Tête enseignante GPT0,306
Écart entre enseignants0,287 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFaculty Opinions – Post-Publication Peer Review of the Biomedical LiteratureMême sujetBiomedical and Engineering EducationTravaux en français237 207