Notice bibliographique
Résumé
Mammalian genetic circuits have demonstrated the potential to sense and treat a wide range of disease states, but optimization of the levels of circuit components remains challenging and labor-intensive. To accelerate this process, our lab developed poly-transfection, a high-throughput extension of traditional mammalian transfection. In poly-transfection, each cell in the transfected population essentially performs a different experiment, testing the behavior of the circuit at different DNA copy numbers and allowing users to analyze a large number of stoichiometries in a single-pot reaction. So far, poly-transfections that optimize ratios of three-component circuits in a single well of cells have been demonstrated; in principle, the same method can be used for the development of even larger circuits. Poly-transfection results can be easily applied to find optimal ratios of DNA to co-transfect for transient circuits or to choose expression levels for circuit components for the generation of stable cell lines. Here, we demonstrate the use of poly-transfection to optimize a three-component circuit. The protocol begins with experimental design principles and explains how poly-transfection builds upon traditional co-transfection methods. Next, poly-transfection of cells is carried out and followed by flow cytometry a few days later. Finally, the data is analyzed by examining slices of the single-cell flow cytometry data that correspond to subsets of cells with certain component ratios. In the lab, poly-transfection has been used to optimize cell classifiers, feedback and feedforward controllers, bistable motifs, and many more. This simple but powerful method speeds up design cycles for complex genetic circuits in mammalian cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,515 | 0,361 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».