相关实验视频
Updated: May 23, 2025

CIRCLE-Seq for Interrogation of Off-Target Gene Editing
Published on: November 1, 2024
学习利用内部蛋白质3D纳米环境描述器来预测CRISPR-Cas9的目标外活动
Jeffrey Kelvin Mak1, Artemi Bendandi2, José Augusto Salim3
1Department of Computer Science, University of Oxford, Parks Road, Oxford OX1 3QD, United Kingdom.
研究人员开发了一种机器学习模型STING_CRISPR,用于预测CRISPR-Cas9的脱. 该模型分析了蛋白质的3D纳米环境,以确定影响基因编辑精度的关键因素.
科学领域:
- 生物化学 生物化学
- 分子生物学分子生物学
- 生物信息学是一种生物信息学.
背景情况:
- 克里斯普尔-Cas9基因编辑依赖于单指导RNA (sgRNA) 与向DNA结合.
- 由于复杂的相互作用,通过CRISPR-Cas9预测非目标裂变仍然具有挑战性.
- sgRNA-DNA相互作用的物理化学和结构描述因素尚未完全理解.
研究的目的:
- 综合评估影响CRISPR-Cas9分裂活动的物理化学/结构描述因素.
- 为了利用sgRNA-(off-) 目标DNA对的蛋白质3D纳米环境进行预测建模.
- 开发一种机器学习模型,用于预测CRISPR-Cas9非目标裂变.
主要方法:
- 从CRISPR-Cas9复合体中收集了634,980个残留水平特征.
- 模拟了单基基突变的内部蛋白质3D纳米环境.
- 开发并验证了STING_CRISPR机器学习模型.
主要成果:
- 确定了影响CRISPR-Cas9脱的关键残留水平特征.
- STING_CRISPR证明了对单基基因突变的准确预测性能.
- 发现了四个关键的Cas9残留空间热点,影响了裂变活动.
结论:
- 这项研究为了解CRISPR-Cas9非目标效应提供了一种新的方法.
- STING_CRISPR为增强基因编辑特异性提供了一个有价值的工具.
- 已识别的Cas9热点和描述符可以指导未来的CRISPR-Cas9系统设计.
更多相关视频
11:37Using Sniper-Cas9 to Minimize Off-target Effects of CRISPR-Cas9 Without the Loss of On-target Activity Via Directed Evolution
Published on: February 26, 2019
14:46Efficient Generation of hiPSC Neural Lineage Specific Knockin Reporters Using the CRISPR/Cas9 and Cas9 Double Nickase System
Published on: May 28, 2015
相关概念视频
CRISPR
Protein-protein Interfaces
CRISPR and crRNAs
The CRISPR-Cas system stores a copy of foreign DNA in the host genome and uses it to identify the foreign DNA upon reinfection. CRISPR-Cas has three different...
Conserved Binding Sites
Binding sites are often located in large pockets, and if their location on a protein’s surface is unknown, it can be predicted using various approaches. The energetic method computationally...