EXPERT expands prime editing efficiency and range of large fragment edits
Notice bibliographique
Résumé
Prime editing systems (PEs) hold great promise in modern biotechnology. However, their editing range is limited as PEs can only modify the downstream sequences of the pegRNA nick. Here, we report the development of the extended prime editor system (EXPERT) to overcome this limitation by using an extended pegRNA (ext-pegRNA) with modified 3' extension, and an additional sgRNA (ups-sgRNA) targeting the upstream region of the ext-pegRNA. We demonstrate that EXPERT can efficiently perform editing on both sides of the ext-pegRNA nick, a task that is unattainable by canonical PEs. EXPERT exhibits prominent capacity in replacing sequences up to 88 base pairs and inserting sequences up to 100 base pairs within the upstream region of the ext-pegRNA nick. Compared to canonical PEs such as PE2, the utilization of the EXPERT strategy significantly enhances the editing efficiency for large fragment edits with an average improvement of 3.12-fold, up to 122.1 times higher. Safety wise, the use of ups-sgRNA does not increase the rates of undesirable insertions and deletions (indels), as the two nicks are on the same strand. Moreover, we do not observe increased off-target editing rates genome-wide. Our work introduces EXPERT as a PE tool with significant potential in life sciences.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».