XiaoMi-AI文件搜索系统
World File Search Systemscreens
平行 CRISPR-Cas9 筛选阐明了 p53 对筛选性能的影响
摘要 CRISPR-Cas9 基因组工程彻底改变了高通量功能基因组筛选。然而，最近的研究引起了人们对使用 TP53 野生型人类细胞进行 CRISPR-Cas9 筛选的性能的担忧，因为 p53 介导的 DNA 损伤反应 (DDR) 限制了生成可行编辑细胞的效率。为了直接评估细胞 p53 状态对 CRISPR-Cas9 筛选性能的影响，我们使用针对 852 个 DDR 相关基因的聚焦双向导 RNA 文库在野生型和 TP53 敲除人类视网膜色素上皮细胞中进行了并行 CRISPR-Cas9 筛选。我们的工作表明，尽管功能性 p53 状态对显著耗竭基因的识别有负面影响，但最佳筛选设计仍然可以实现强大的筛选性能。通过分析我们自己的和已发表的筛选数据，我们强调了在野生型和 p53 缺陷细胞中成功筛选的关键因素。
平行 CRISPR-Cas9 筛选阐明了 p53 对筛选性能的影响
。CC-BY 4.0 国际许可证永久有效。它以预印本形式提供（未经同行评审认证），作者/资助者已授予 bioRxiv 许可，可以在该版本中显示预印本。此版本的版权持有者于 2020 年 2 月 20 日发布。；https://doi.org/10.1101/2020.02.20.957746 doi: bioRxiv preprint
工作、学校或娱乐时使用屏幕相关脑震荡后症状的治疗
Charles Tator 博士接受过神经外科和神经病理学培训，曾担任多伦多大学神经外科主任。他曾担任 Sunnybrook、多伦多西部医院和大学健康网络的神经外科主任。他是加拿大国家脑和脊髓损伤预防基金会 ThinkFirst 和国家伤害预防机构 Parachute Canada 的创始人。他是 Krembil 脑研究所的科学家。他曾担任多伦多大学的两届研究主席，是加拿大勋章获得者，并入选加拿大医学名人堂和加拿大体育名人堂。2009 年，他创立了加拿大体育脑震荡项目，随后于 2015 年创立了加拿大脑震荡中心，均位于多伦多西部医院和大学健康网络，专门从事脑震荡的患者护理和研究。他在同行评审期刊和书籍上发表了 447 篇文章，并且是多家期刊编辑委员会的成员。
细胞间CRISPR筛查显示癌细胞吞噬作用的调节剂
✉函数和材料请求应发给迈克尔·C·巴西克（Michael C. Bassik）。bassik@stanford.edu。作者贡献R.A.K.和M.C.B.构思并设计了这项研究。R.A.K. 为全基因组CRISPR筛选设计了癌症 - 巨噬细胞共培养系统。 R.A.K. 在S.L.的帮助下，在Ramos细胞和J774细胞中进行了CRISPR屏幕。 和K.S.和B.M. 在KARPAS-299细胞中进行了CRISPR屏幕。 Y.N. 在J.S.的建议下，在NSG小鼠中进行了体内小鼠实验。 a.m.m. 和A.A.B. 通过I.L.W.的建议进行了合成小鼠实验。 和F.V.-C。 D.F. 生成了APMAP同源模型。 J.A.S. 在C.C.的建议下分析了不同癌症类型中差异表达的TCGA数据。 L.J.-A. 分析了单细胞RNA-sequering数据。 R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K.为全基因组CRISPR筛选设计了癌症 - 巨噬细胞共培养系统。R.A.K. 在S.L.的帮助下，在Ramos细胞和J774细胞中进行了CRISPR屏幕。 和K.S.和B.M. 在KARPAS-299细胞中进行了CRISPR屏幕。 Y.N. 在J.S.的建议下，在NSG小鼠中进行了体内小鼠实验。 a.m.m. 和A.A.B. 通过I.L.W.的建议进行了合成小鼠实验。 和F.V.-C。 D.F. 生成了APMAP同源模型。 J.A.S. 在C.C.的建议下分析了不同癌症类型中差异表达的TCGA数据。 L.J.-A. 分析了单细胞RNA-sequering数据。 R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K.在S.L.的帮助下，在Ramos细胞和J774细胞中进行了CRISPR屏幕。和K.S.和B.M.在KARPAS-299细胞中进行了CRISPR屏幕。Y.N. 在J.S.的建议下，在NSG小鼠中进行了体内小鼠实验。 a.m.m. 和A.A.B. 通过I.L.W.的建议进行了合成小鼠实验。 和F.V.-C。 D.F. 生成了APMAP同源模型。 J.A.S. 在C.C.的建议下分析了不同癌症类型中差异表达的TCGA数据。 L.J.-A. 分析了单细胞RNA-sequering数据。 R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。Y.N.在J.S.的建议下，在NSG小鼠中进行了体内小鼠实验。a.m.m.和A.A.B.通过I.L.W.的建议进行了合成小鼠实验。和F.V.-C。 D.F.生成了APMAP同源模型。J.A.S. 在C.C.的建议下分析了不同癌症类型中差异表达的TCGA数据。 L.J.-A. 分析了单细胞RNA-sequering数据。 R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。J.A.S.在C.C.的建议下分析了不同癌症类型中差异表达的TCGA数据。L.J.-A. 分析了单细胞RNA-sequering数据。 R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。L.J.-A.分析了单细胞RNA-sequering数据。R.A.K. 和M.G. 进行了incucyte分析以验证CRISPR淘汰赛。 R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K.和M.G.进行了incucyte分析以验证CRISPR淘汰赛。R.A.K，M.G。 和S.L. 克隆的sgrna载体和产生的基因敲除细胞系。 R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K，M.G。和S.L.克隆的sgrna载体和产生的基因敲除细胞系。R.A.K. 进行了蛋白质印迹，共聚焦显微镜和药物滴定。 M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K.进行了蛋白质印迹，共聚焦显微镜和药物滴定。M.G.，S.L。 和R.A.K. 进行了流式细胞仪分析。 R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。M.G.，S.L。和R.A.K.进行了流式细胞仪分析。R.A.K. 和S.L. 执行了RNA-sequest，D.Y. 和K.L. 分析了RNA测序数据。 D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。R.A.K.和S.L.执行了RNA-sequest，D.Y.和K.L.分析了RNA测序数据。D.Y. 帮助设计了寡核苷酸子图和K.S. 克隆了子图。D.Y.帮助设计了寡核苷酸子图和K.S.克隆了子图。R.A.K. 和M.C.B. 写了手稿。 所有作者都讨论了结果和手稿。R.A.K.和M.C.B.写了手稿。所有作者都讨论了结果和手稿。
下一代正向遗传筛选：单细胞分析将高通量扰动统一
可编程基因组工程技术，例如CRISPR（群集的阶层间隔短的短质体重复序列）核酸酶和大量平行的CRISPR筛选，这些筛选利用了这种可编程性，已经改变了生物科学。这些筛选将基因和非编码基因组元素连接到与疾病相关的表型，但直到最近才限于单个表型，例如生长或基因表达的流通记者。通过将大规模平行筛选与单细胞类型/状态的高维度配对，我们现在可以测量单个遗传扰动或扰动的组合如何影响细胞转录组，蛋白质组和表观基因组。我们审查了CRISPR屏幕与单细胞多组合和使用深层多模式表型扩展的汇总屏幕提供的独特机会。
使用扰动筛选对癌症中的合成致死相互作用进行通路驱动分析
当直接针对驱动基因不可行时，合成致死为开发有效的癌症治疗干预措施提供了一种有前途的方法。在本研究中，我们全面分析了大规模 CRISPR、shRNA 和 PRISM 筛选，以确定泛癌症和 12 种单独癌症类型中潜在的合成致死 (SL) 相互作用，使用一种新的计算框架，该框架利用关键驱动基因的生物学功能和信号通路信息来减轻不同癌细胞系中背景基因改变的混杂影响。这种方法已成功鉴定出几种假定的 SL 相互作用，包括泛癌症中的 KRAS-MAP3K2 和 APC-TCF7L2，以及肝癌、血癌、皮肤癌和胃癌中的 CCND1-METTL1、TP53-FRS3、SMO-MDM2 和 CCNE1-MTOR。此外，我们通过 PRISM 药物筛选提出了几种 FDA 批准的针对各种癌症类型的癌症靶向药物，例如用于治疗 VHL 突变肾癌的卡巴他赛和用于治疗 NRAS 或 KRAS 突变肺癌的阿来替尼。利用通路信息可以增强 shRNA 和 CRISPR 筛选的一致性，并提供临床相关发现，例如 SRC 抑制剂达沙替尼对 WNT 信号通路突变的结肠直肠癌患者的潜在疗效。这些分析表明，考虑信号通路信息可以识别更有希望的 SL 相互作用。
板球gryllus bimaculatus中的靶向基因标记
8 1美国田纳西州纳什维尔大学医学中心上皮生物学中心，美国田纳西州纳什维尔市9 2托德比尔特大学，范德比尔特大学，田纳西州纳什维尔大学10 3 Vanderbilt免疫生物学中心，病理学系，微生物学系，微生物学，微生物学系，和范德比尔特大学医学中心，纳什维尔，医学中心，美国3723 24 2423.232323232222222222222222222222.美国田纳西州纳什维尔中心13 5 5 5 5 6 6 6 6 6 6 6 6 7 6美国纳什维尔大学医学院生物化学系14号生物化学系，美国田纳西州纳什维尔，美国16 7 7 7美国田纳西州纳什维尔18
通过体内产生单链 DNA 进行高通量功能变体筛选
与自然界中存在的巨大变异和基因组工程师设想的巨大变异相比，创建和表征单个遗传变异的规模仍然有限。在这里，我们介绍了逆转录子文库重组 (RLR)，这是一种高通量功能筛选方法，其规模和特异性超过了 CRISPR-Cas 方法。我们利用逆转录子的靶向逆转录活性在体内产生单链 DNA (ssDNA)，以 > 90% 的效率整合编辑并实现多路复用应用。RLR 同时引入了许多基因组变异，产生了可通过靶向深度测序寻址的汇集和条形码变异库。我们使用 RLR 对合成的抗生素抗性等位基因进行汇集表型分析，展示了相对增长率的定量测量。我们还使用进化细菌的剪切基因组 DNA 进行 RLR，通过实验查询数百万个序列以寻找因果变异，证明 RLR 特别适合利用大量的自然变异库。使用体内产生的 ssDNA 进行汇集实验为探索整个基因组的变异提供了途径。
碱基编辑筛选出影响癌症中 IFNγ 信号传导的突变图谱
识别对 IFN g 敏感性和抗性的遗传介质。Cas9 用于识别结直肠癌细胞系中调节 IFN g 反应的重要途径和基因。使用多碱基编辑诱变筛选来评估关键调节因子中意义不明确的变体 (VUS) 的功能后果。b) CRISPR-Cas9 筛选的基因级火山图，比较 IFN g 处理与对照
用于基因敲除和转录调控的 PAM 柔性 Cas9 变体的高通量筛选
1. 纽约基因组中心，纽约，纽约州，美国 2. 纽约大学生物学系，纽约，纽约州，美国 3. 这些作者贡献相同 * 电子邮件：neville@sanjanalab.org 关键词：Cas9、诱变、汇集 CRISPR 筛选、CRISPRa、CRISPRi、原间隔区相邻基序