PAM adenine methylation and flanking sequence regulate SaCas9 activity in bacteria
Notice bibliographique
Résumé
SUMMARY Cas9 nucleases are the effectors of the class 2 type II CRISPR system in bacteria and function to restrict invading DNA. They can also be used with single guide RNAs (sgRNAs) as antimicrobials and genome engineering tools in bacteria, yet applications are hindered by an incomplete understanding of Cas9-target interactions. Here, we generate large-scale SaCas9/sgRNA in vivo bacterial activity datasets and train a machine learning model (crisprHAL) to predict SaCas9 activity. The highest predictive performance was found when downstream sequence flanking the canonical NNGRRN PAM motif at positions [+1] and [+2] was included in model training, correlating with high in vivo activity on sites that included T-rich di-nucleotides in the [+1] and [+2] flanking positions. Strikingly, model predictions and experimentally determined activity in pooled sgRNA experiments in Escherichia coli and Citrobacter rodentium showed an ∼10-fold reduced SaCas9 activity at sites with 5′-NNGGAT[C]-3 ′ PAM [+1] sequences. Cleavage assays using plasmid DNA isolated from E. coli inactivated for DNA adenine methyltransferase (DAM) and SaCas9/sgRNA combinations targeting sites with NNGGAT[C] PAM sequences confirmed that adenine methylation impacts SaCas9 cleavage. Moreover, ablation of a GATC DAM site in a PAM sequence enhanced SaCas9 in vitro activity, whereas creation of a DAM site reduced activity, providing a mechanistic link between adenine methylation and SaCas9 activity. Our results show that a general purpose machine learning architecture can provide biologically relevant insights into SaCas9-PAM interactions that can better inform activity predictions for bacterial applications. Avoidance of adenine methylated PAM sites by SaCas9 may be a mechanism of self versus non-self discrimination or reflect an evolutionary adaptation to counter methylation as an anti-restriction strategy by phage or plasmids.
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 | 0,001 |
| 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) | 0,001 | 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 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 ».