CRISPR-dependent base editing as a therapeutic strategy for rare monogenic disorders
Notice bibliographique
Résumé
Rare monogenic disorders are caused by mutations in single genes and have an incidence rate of less than 0.5%. Due to their low prevalence, these diseases often attract limited research and commercial interest, leading to significant unmet medical needs. In a therapeutic landscape where treatments are targeted to manage symptoms, gene editing therapy emerges as a promising approach to craft curative and lasting treatments for these patients, often referred to as "one-and-done" therapeutics. CRISPR-dependent base editing enables the precise correction of genetic mutations by direct modification of DNA bases without creating potentially deleterious DNA double-strand breaks. Base editors combine a nickase version of Cas9 with cytosine or adenine deaminases to convert C·G to T·A and A·T to G·C, respectively. Together, cytosine (CBE) and adenine (ABE) base editors can theoretically correct ∼95% of pathogenic transition mutations cataloged in ClinVar. This mini-review explores the application of base editing as a therapeutic approach for rare monogenic disorders. It provides an overview of the state of gene therapies and a comprehensive compilation of preclinical studies using base editing to treat rare monogenic disorders. Key considerations for designing base editing-driven therapeutics are summarized in a user-friendly guide for researchers interested in applying this technology to a specific rare monogenic disorder. Finally, we discuss the prospects and challenges for bench-to-bedside translation of base editing therapies for rare monogenic disorders.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».