Modelling daisy quorum drive: A short-term bridge across engineered fitness valleys
Notice bibliographique
Résumé
Engineered gene-drive techniques for population modification and/or suppression have the potential for tackling complex challenges, including reducing the spread of diseases and invasive species. Gene-drive systems with low threshold frequencies for invasion, such as homing-based gene drive, require initially few transgenic individuals to spread and are therefore easy to introduce. The self-propelled behavior of such drives presents a double-edged sword, however, as the low threshold can allow transgenic elements to expand beyond a target population. By contrast, systems where a high threshold frequency must be reached before alleles can spread-above a fitness valley-are less susceptible to spillover but require introduction at a high frequency. We model a proposed drive system, called "daisy quorum drive," that transitions over time from a low-threshold daisy-chain system (involving homing-based gene drive such as CRISPR-Cas9) to a high-threshold fitness-valley system (requiring a high frequency-a "quorum"-to spread). The daisy-chain construct temporarily lowers the high thresholds required for spread of the fitness-valley construct, facilitating use in a wide variety of species that are challenging to breed and release in large numbers. Because elements in the daisy chain only drive subsequent elements in the chain and not themselves and also carry deleterious alleles ("drive load"), the daisy chain is expected to exhaust itself, removing all CRISPR elements and leaving only the high-threshold fitness-valley construct, whose spread is more spatially restricted. Developing and analyzing both discrete patch and continuous space models, we explore how various attributes of daisy quorum drive affect the chance of modifying local population characteristics and the risk that transgenic elements expand beyond a target area. We also briefly explore daisy quorum drive when population suppression is the goal. We find that daisy quorum drive can provide a promising bridge between gene-drive and fitness-valley constructs, allowing spread from a low frequency in the short term and better containment in the long term, without requiring repeated introductions or persistence of CRISPR elements.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».