Making target sites in large structured RNAs accessible to RNA-cleaving DNAzymes through hybridization with synthetic DNA oligonucleotides
Notice bibliographique
Résumé
The 10-23 DNAzyme is one of the most active DNA-based enzymes, and in theory, can be designed to target any purine-pyrimidine junction within an RNA sequence for cleavage. However, purine-pyrimidine junctions within a large, structured RNA (lsRNA) molecule of biological origin are not always accessible to 10-23, negating its general utility as an RNA-cutting molecular scissor. Herein, we report a generalizable strategy that allows 10-23 to access any purine-pyrimidine junction within an lsRNA. Using three large SARS-CoV-2 mRNA sequences of 566, 584 and 831 nucleotides in length as model systems, we show that the use of antisense DNA oligonucleotides (ASOs) that target the upstream and downstream regions flanking the cleavage site can restore the activity (kobs) of previously poorly active 10-23 DNAzyme systems by up to 2000-fold. We corroborated these findings mechanistically using in-line probing to demonstrate that ASOs reduced 10-23 DNAzyme target site structure within the lsRNA substrates. This approach represents a simple, efficient, cost-effective, and generalizable way to improve the accessibility of 10-23 to a chosen target site within an lsRNA molecule, especially where direct access to the genomic RNA target is necessary.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».