SuperDecode: An integrated toolkit for analyzing mutations induced by genome editing
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Genome editing using CRISPR/Cas (clustered regularly interspaced short palindromic repeats/CRISPR-associated protein) or other systems has become a cornerstone of numerous biological and applied research fields. However, detecting the resulting mutations by analyzing sequencing data remains time consuming and inefficient. In response to this issue, we designed SuperDecode, an integrated software toolkit for analyzing editing outcomes using a range of sequencing strategies. SuperDecode comprises three modules, DSDecodeMS, HiDecode, and LaDecode, each designed to automatically decode mutations from Sanger, high-throughput short-read, and long-read sequencing data, respectively, from targeted PCR amplicons. By leveraging specific strategies for constructing sequencing libraries of pooled multiple amplicons, HiDecode and LaDecode facilitate large-scale identification of mutations induced by single or multiplex target-site editing in a cost-effective manner. We demonstrate the efficacy of SuperDecode by analyzing mutations produced using different genome editing tools (CRISPR/Cas, base editing, and prime editing) in different materials (diploid and tetraploid rice and protoplasts), underscoring its versatility in decoding genome editing outcomes across different applications. Furthermore, this toolkit can be used to analyze other genetic variations, as exemplified by its ability to estimate the C-to-U editing rate of the cellular RNA of a mitochondrial gene. SuperDecode offers both a standalone software package and a web-based version, ensuring its easy access and broad compatibility across diverse computer systems. Thus, SuperDecode provides a comprehensive platform for analyzing a wide array of mutations, advancing the utility of genome editing for scientific research and genetic engineering.
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.
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 découle