MétaCan
Menu
Retour à la cohorte
Enregistrement W4287921975 · doi:10.3389/fgeed.2022.892769

Improvements of nuclease and nickase gene modification techniques for the treatment of genetic diseases

2022· review· en· W4287921975 sur OpenAlexaff
Yaoyao Lu, Cédric Happi Mbakam, Bo Song, E J Bendavid, Jacques P. Tremblay

Notice bibliographique

RevueFrontiers in Genome Editing · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversité Laval
Organismes subventionnairesChina Scholarship Council
Mots-clésGenome editingTranscription activator-like effector nucleaseCRISPRZinc finger nucleaseBiologyNucleaseGenome engineeringComputational biologyCas9GeneticsPalindromeGenomeGene

Résumé

récupéré en direct d'OpenAlex

Advancements in genome editing make possible to exploit the functions of enzymes for efficient DNA modifications with tremendous potential to treat human genetic diseases. Several nuclease genome editing strategies including Meganucleases (MNs), Zinc Finger Nucleases (ZFNs), Transcription Activator-like Effector Nucleases (TALENs) and Clustered Regularly Interspaced Short Palindromic Repeats-CRISPR associated proteins (CRISPR-Cas) have been developed for the correction of genetic mutations. CRISPR-Cas has further been engineered to create nickase genome editing tools including Base editors and Prime editors with much precision and efficacy. In this review, we summarized recent improvements in nuclease and nickase genome editing approaches for the treatment of genetic diseases. We also highlighted some limitations for the translation of these approaches into clinical applications.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,996
Score d'incertitude au seuil0,616

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 Opus0,017
Tête enseignante GPT0,315
Écart entre enseignants0,298 · 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'étudeAutre devis
Domainenon disponible
GenreSynthèse

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

En bref

Citations18
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Genome EditingMême sujetCRISPR and Genetic EngineeringTravaux en français237 207