MétaCan
Menu
Retour à la cohorte
Enregistrement W4385638678 · doi:10.1038/s41551-023-01078-2

Sensing the DNA-mismatch tolerance of catalytically inactive Cas9 via barcoded DNA nanostructures in solid-state nanopores

2023· article· en· W4385638678 sur OpenAlexaff
Sarah E. Sandler, Nicole E. Weckman, Sarah K. Yorke, Akashaditya Das, Kaikai Chen, Richard Gutierrez, Ulrich F. Keyser

Notice bibliographique

RevueNature Biomedical Engineering · 2023
Typearticle
Langueen
DomaineEngineering
ThématiqueNanopore and Nanochannel Transport Studies
Établissements canadiensUniversity of Toronto
Organismes subventionnairesEngineering and Physical Sciences Research CouncilCambridge TrustUniversity of CambridgeEuropean CommissionResearch Councils UKOxford Nanopore Technologies
Mots-clésDNANanoporeCas9DNA sequencingBiologyNanopore sequencingRibonucleoproteinComputational biologyNucleic acidBiophysicsCRISPRCell biologyNanotechnologyBiochemistryRNAMaterials scienceGene

Résumé

récupéré en direct d'OpenAlex

Single-molecule quantification of the strength and sequence specificity of interactions between proteins and nucleic acids would facilitate the probing of protein-DNA binding. Here we show that binding events between the catalytically inactive Cas9 ribonucleoprotein and any pre-defined short sequence of double-stranded DNA can be identified by sensing changes in ionic current as suitably designed barcoded linear DNA nanostructures with Cas9-binding double-stranded DNA overhangs translocate through solid-state nanopores. We designed barcoded DNA nanostructures to study the relationships between DNA sequence and the DNA-binding specificity, DNA-binding efficiency and DNA-mismatch tolerance of Cas9 at the single-nucleotide level. Nanopore-based sensing of DNA-barcoded nanostructures may help to improve the design of efficient and specific ribonucleoproteins for biomedical applications, and could be developed into sensitive protein-sensing assays.

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)0,001
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: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,004
Tête enseignante GPT0,214
Écart entre enseignants0,211 · 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

Citations35
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature Biomedical EngineeringMême sujetNanopore and Nanochannel Transport StudiesTravaux en français237 207