High-fidelity CRISPR genome editing of single-nucleotide mutation with near-complementary guide RNA via enhanced target binding kinetics
Notice bibliographique
Résumé
Abstract The CRISPR-Cas9 system is a powerful genome editing tool capable of precisely recognizing and cleaving specific DNA sequences, and has been extensively investigated as a strategy for correcting mutations associated with genetic diseases and cancer. However, conventional CRISPR genome engineering often fail to discriminate single-nucleotide mutations from wild-type alleles when the mutation is located outside the protospacer adjacent motif (PAM) sequence. To address this limitation, we developed a RNA engineering approach for designing near-complementary single guide RNA (sgRNA) that contain intentional mismatches within the seed region of the sgRNA. Single molecule kinetic analyses showed that the near-complementary sgRNA selectively reduces the binding affinity of CRISPR ribonucleoprotein complex by via differentiated increment in the dissociation rates to the wild-type target DNA compared to the mutant allele. The engineered kinetic characteristics of near-complementary sgRNAs enable highly specific genome editing of single-base mutations without reliance on PAM proximity. We demonstrate the application of the strategy to the a cancer-specific single-nucleotide G228A (-124C > T) mutation in the TERT promoter, frequently found in glioblastomas and other tumors, that does not generate a canonical PAM sequence. Our near-complementary sgRNA successfully induced selective editing of the mutant allele while sparing the wild-type sequence. Furthermore, single-molecule fluorescence resonance energy transfer (smFRET) analyss revealed distinct differences in binding kinetics between mutant and wild-type DNA, providing kinetic insight into the discrimination process. We conclude that the near-complementary sgRNA CRISPR editing strategy facilitates precise PAM-independent targeting of single-nucleotide mutations without protein engineering and offers a molecular framework for expanding the specificity and applicability of CRISPR-based genome and epigenome editing technologies.
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) | 0,000 | 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 | 0,001 |
| 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 ».