MétaCan
Menu
← Retour à la cohorte
Enregistrement W4307668581 · doi:10.1101/2022.10.26.513620

License to cut: Smart RNA guides for conditional control of CRISPR-Cas9

2022· preprint· en· W4307668581 sur OpenAlexaff
Alexandre Baccouche, Arman Adel, Nozomu Yachie, Teruo Fujii, Anthony J. Genot

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2022
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesJapan Society for the Promotion of ScienceAgence Nationale de la Recherche
Mots-clésCas9CRISPRSynthetic biologyComputational biologyRNAGuide RNAComputer scienceGenome editingFlexibility (engineering)Genome engineeringBiologyGeneticsGeneMathematics

Résumé

récupéré en direct d'OpenAlex

Abstract The Cas9 enzyme is a programmable endonuclease, whose target sequence is directed by a companion RNA guide. Cas9 and RNA guides have revolutionized biology, enabling facile editing of the genome in almost all organisms. Controlling where and when Cas9 and the guide operate is indispensable for many fields ranging from developmental biology to therapeutics, but it remains a challenge. Most methods focus on controlling Cas9 with physico-chemical means (which lack finesse, precision or multiplexing), or transcriptional tools (which are slow and difficult to design). Rather than directly engineering Cas9, engineering the RNA guide itself has emerged as a more general and potent way to manage the activity of Cas9. Here we report smart RNA guides that are conditionally activated by the presence of a specific RNA opener. Contrary to most previous approaches, the design affords ample freedom as spacer and the opener are independent. We demonstrate this flexibility by operating SmartGuides activated by a panel of miRNA relevant for human health, and by composing SmartGuides in Boolean logic circuits. Lastly, we test the SmartGuides in mammalian cells - validating the basics tenets of the design, but also highlighting the challenges that remain to be lifted for in-vivo operation.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,135

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0400,022

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 Opus0,010
Tête enseignante GPT0,269
Écart entre enseignants0,259 · 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

Citations1
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

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