Deep-mutational scanning libraries using tiled-region exchange mutagenesis
Notice bibliographique
Résumé
ABSTRACT The analysis of gene function frequently requires the generation of mutants. Deep-mutational scanning (DMS) has emerged as a powerful tool to decipher important functional residues within genes and proteins. However, methods for performing DMS tend to be complex or laborious. Here, we introduce Tiled-Region Exchange (T-REx) Mutagenesis, which is a multiplexed modification of the EMPIRIC mutagenesis approach. Self-encoded removal fragments are cloned in parallel in non-overlapping gene locations and pooled. In a one-pot reaction, oligonucleotides are then swapped with their corresponding self-encoded removal fragments in bulk using a single Golden Gate reaction. To aid in downstream phenotyping, the library is then fused with unique DNA barcodes using the Bxb1 recombinase. We demonstrate this approach and its optimizations, to show that it is both easy to perform and efficient. This method offers simple and expedient means to create comprehensive mutagenesis libraries. ARTICLE SUMMARY Researchers in the field of molecular genetics frequently investigate protein function via mutations. Here, we present a rapid deep-mutational scanning methodology called Tiled-Region Exchange Mutagenesis that can comprehensively create mutant libraries. The approach is a multiplexed version of the established EMPIRIC mutagenesis approach and retains its simplicity. We show optimizations of the in vitro reactions to reduce cost and improve robustness. This method will be useful to researchers seeking to perform deep-mutational scanning on any gene of interest.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».