Improved cloning-free one-step CRISPR-Cas12a-assisted tagging of mammalian genes using PCR generated reagents (PCR tagging)
Notice bibliographique
Résumé
Abstract Precise DNA integration in mammalian genomes using CRISPR/Cas based strategies remains challenging due to competing DNA repair pathways. We present an update for our CRISPR/Cas12a-assisted PCR-tagging method using linear donor cassettes and self-targeting gRNAs for gene tagging. By incorporating 2A-linked selection markers and chemically modifying PCR cassettes with phosphorothioate and biotin, along with the inhibition of NHEJ, we improve precise insertions while reducing unwanted integration products and we devise a variant of the method for seamless gene tagging. To profile integration outcomes, we further developed our integration site sequencing protocol (Tn5-Anchor-Seq, Meurer et al., 2018) to obtain a protocol using long-read (ONT) sequencing coupled with a custom computational pipeline. This enables high-resolution quantification of all integration events with respect to integration by HDR or NHEJ, as well as the presence of concatemers and off-target integrations. Our data reveal gene-specific editing profiles and demonstrate that combining cassette design with DNA repair modulation yields up to 5-fold increases in HDR and suppression of concatemers and indels. Together, our improvements outline an robust strategy for efficient and high-fidelity gene tagging in mammalian cells, facilitating functional genomics and cell engineering applications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
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 ».