MétaCan
Menu
← Retour à la cohorte
Enregistrement W4417261578 · doi:10.1073/pnas.2536003123

Anti-CRISPR-mediated continuous directed evolution of CRISPR-Cas9 in human cells

2025· preprint· en· W4417261578 sur OpenAlexfundno aff
Andrew L. Sabol, Amanuella A. Mengiste, Samuel J. Hendel, Minh Thuan Nguyen Tran, Anton M. Barybin, Santosh Kumar Chaudhary, Ra’Mal M. Harris, Kristi Liivak, Zachary C. Severance, Cale M. Locicero, Karishma Kailass, C. Lee, Xu Li, Vincent L. Butty, Amit Choudhary, Matthew D. Shoulders

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2025
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesDefense Sciences Office, DARPANational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaNational Institute of Environmental Health SciencesDefense Advanced Research Projects AgencyNational Science FoundationNational Cancer InstituteDamon Runyon Cancer Research Foundation
Mots-clésDirected evolutionDirected Molecular EvolutionCRISPRCas9Function (biology)MutationAdaptive evolutionKey (lock)Experimental evolution

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Engineering CRISPR-Cas systems for improved or altered function is central to both research and therapeutic applications. Unfortunately most optimization, especially directed evolution in bacterial hosts, fails to capture the functional requirements of the complex mammalian cellular milieu, where activity is usually required. Robust strategies to enable continuous directed evolution of genome-targeting agents directly in human cells remain lacking. Here, we introduce CRISPR-MACE (Mammalian cell-enabled Adenovirus-assisted Continuous Evolution) as a foundational technology to address this need. CRISPR-MACE integrates virus-based continuous evolution with anti-CRISPR-based tunable selection to generate novel Streptococcus pyogenes Cas9 variants with both increased and decreased DNA binding capacity and nearly 1000-fold–enhanced resistance to AcrIIA4, the strongest known inhibitor of SpCas9. Notably, across independent evolution campaigns the same Cas9 gatekeeper mutation reproducibly emerged first, enabling subsequent adaptive steps along two interdependent axes of Cas9 function. In addition to advancing CRISPR technologies, this work establishes key principles and synthetic circuits for continuously evolving CRISPR-Cas systems directly in human cells. SIGNIFICANCE STATEMENT CRISPR technologies are typically engineered in bacteria, even though they must function in the far more complex environment of human cells. This gap has limited the discovery of variants with improved DNA recognition or with resistance to inhibitors that operate differently in mammalian systems. Here we establish CRISPR-MACE, a continuous evolution platform that leverages pressure from anti-CRISPR proteins to select Cas9 variants directly in human cells that have novel functions. Evolved variants show improvements in DNA binding strength and residence time, as well as striking escape from the potent Cas9 inhibitor AcrIIA4. Many anti-CRISPR proteins use distinct mechanisms, so our strategy can drive future continuous evolution campaigns in mammalian cells that expand the functional properties of genome-targeting agents.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,325
Écart entre enseignants0,310 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of Sciences→Même sujetCRISPR and Genetic Engineering→Travaux en français237 207→