Visible traits demonstrate that crispant founder mice can be used for phenotypic assessment
Notice bibliographique
Résumé
Abstract Genes can be knocked out in model organisms by introducing a single guide RNA and Cas9 into one cell zygotes. Recently, the zebrafish and Xenopus communities have employed this method in genetic screening pipelines that assess phenotypes in founders (F0), referred to as “crispants”. In contrast, phenotyping crispant mice has been avoided as results are believed to be confounded by genetic mosaicism, requiring that only established mouse lines undergo phenotypic assessment. Here, we targeted seven genes associated with visible recessive phenotypes. We observed the expected null phenotype in up to 100% founders per gene. Crucially, we achieved 100% editing efficiency in all but two animals. Genetic mosaicism was common, but did not confound an animal’s phenotype when comprised of mutations that all disrupted the targeted gene. Mosaicism included short in-frame mutations, but these were sufficient to disrupt function of five genes. Several founders were compound heterozygotes carrying a null and a non-null allele (short in-frame mutation or late truncation), enabling functional assessment of the non-null allele to dissect protein function. Our results set the stage for using crispant founders for initial phenotypic assessment in genetic screening, before selecting candidates for further study. This will dramatically reduce animal numbers.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».