A novel, high-density CRISPR activation platform for mapping cancer dependencies and resistance pathways <i>ex vivo</i> and <i>in vivo</i>
Notice bibliographique
Résumé
Abstract CRISPR activation (CRISPRa) enables precise, locus-specific upregulation of gene expression, offering potential for both ex vivo and in vivo applications. However, the lack of scalable, high-coverage tools has limited its use in comprehensive genetic screens, particularly in murine models. Here, we introduce Partita, a next-generation, whole-genome CRISPRa sgRNA platform designed for unparalleled efficiency and depth in gene activation studies. Partita employs a high-density targeting strategy, deploying 10 sgRNAs per transcription start site, structured into five gene family-specific sub-libraries to maximize transcriptional induction. To demonstrate its capabilities, we performed a series of large-scale screens: an in vitro enrichment/depletion screen in iBMDMs, whole-genome CRISPRa screens in a double-hit lymphoma model to uncover genes driving resistance to pro-apoptotic drugs (venetoclax, nutlin-3a, etoposide), and an in vivo whole-genome screen identifying accelerators of Myc-driven lymphomagenesis. Each experiment revealed both expected and novel regulators of cellular phenotypes, with a high validation rate in secondary assays. By enabling robust, high-throughput gain-of-function screening, Partita unlocks new avenues for functional genomics and expands the toolkit for discovering key drivers of biological processes across diverse research fields.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».