摘要:DNA折纸结构为具有纳米精度的单个生物分子的组织提供了灵活的Sca效果。当他们发现对多种生物应用的增加使用时,在定义的化学计量,高产量和保护蛋白质功能下的蛋白质的功能化仍然具有挑战性。在这项研究中,我们将单分子荧光显微镜与细胞生物学功能测定结合使用,以系统地评估DNA折纸结构特异性装饰的不同策略,重点介绍了效率,稳定量表,稳定量表和蛋白质功能。使用T细胞受体(TCR)的激活配体作为感兴趣的蛋白质,我们发现两种常用方法在化学计量和蛋白质功能方面表现不佳。While strategies employing tetravalent wildtype streptavidin for coupling of a biotinylated TCR-ligand yielded mixed populations of DNA origami structures featuring up to three proteins, the use of divalent (dSAv) or DNA-conjugated monovalent streptavidin (mSAv) allowed for site-speci fi c attachment of a single biotinylated TCR-ligand.通过共价DNA结合,最直接的装饰策略导致配体效力降低了3倍,这可能是由于电荷介导的蛋白质功能受损所致。在配体共轭物中,用电荷中性肽核酸(PNA)代替DNA作为耦合策略,在我们的研究中具有最佳的整体性能,因为它产生了最高的产率,没有多价DNA折纸结构和完全保留的蛋白质功能。在我们的研究中,我们旨在为静态定义的,定义的,特定于位置的DNA折纸结构的蛋白质,具有可供选择的蛋白质,可用于广泛的生物学应用。关键字:DNA折纸,DNA纳米结构,蛋白质结合,功能化,单分子荧光显微镜,T细胞活化D
基于 CRISPR 的归巢基因驱动可以设计为破坏必需基因,同时偏向其自身的遗传,从而在实验室中抑制蚊子种群。这类基因驱动依赖于 CRISPR-Cas9 对目标序列的切割和从同源染色体中复制(“归巢”)基因驱动元件。然而,预计对切割有抗性但仍保持必需基因功能的靶位突变将被强烈选择。针对不易容忍突变的功能受限区域应该会降低抗性的概率。序列水平的进化保守性通常是功能约束的可靠指标,尽管一个保守序列与另一个保守序列之间实际的潜在约束水平可能有很大差异。在这里,我们在疟疾媒介冈比亚按蚊中生成了一种新型成虫致死基因驱动 (ALGD),其靶向蚊子发育过程中所需的单倍体必需基因 (AGAP029113) 中超保守的靶位,该基因满足种群抑制基因驱动靶位的许多标准。然后,我们设计了一种选择方案,以实验性地评估在其靶位产生和随后选择基因驱动抗性突变的可能性。我们在笼养种群中模拟了基因驱动接近固定的情景,其中对抗性的选择预计最强。对目标基因座的连续采样显示选择了单个、恢复性的、符合框架的核苷酸替换。我们的研究结果表明,仅靠超保守并不能预测对靶位抗性具有抗性的位点。我们的体内抗性评估策略有助于验证候选基因驱动目标的抗性恢复力,并有助于改善对野外种群中基因驱动入侵动态的预测。
RNA 引导的 CRISPR/Cas9 系统是一种强大的基因组编辑工具箱,源自原核生物获得性免疫系统 1,过去几年在生物学研究和治疗应用方面受到越来越多的关注。2-5 CRISPR/Cas9 的基因组位点靶向能力依赖于向导 RNA(gRNA)间隔区与基因组 DNA 之间的碱基配对。6 核酸酶失活 Cas9(dCas9)消除了核酸酶活性,但保留了 DNA 靶向能力,已被重新利用,通过采用不同的蛋白质效应 7 例如基因激活和抑制、8,9 基因组位点成像、10,11 核碱基编辑 12,13 和表观遗传修饰,进一步扩展了 CRISPR/Cas9 系统的应用场景。 14,15 与持续活跃的 RNA - Cas9 复合物相比,开发条件控制的 CRISPR 功能尤其令人感兴趣,因为其活性可以以所需的空间和时间方式受到限制,从而实现对基因组的精确操作,同时减少副作用。16 可以通过合理设计 (d)Cas9 或 gRNA 来实现条件控制。(d)Cas9 蛋白的活性可以通过小分子诱导
2022年6月13日——零件编号或规格……(3)县警方要求,将该公司作为与有组织犯罪有关的公司,排除在国防部命令的建设工程之外……有关投标文件和规格的事项总务部管理团队负责人:和田。
(未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者此版本于 2023 年 9 月 10 日发布。;https://doi.org/10.1101/2023.09.08.556857 doi:bioRxiv preprint
作者的完整列表:Polyakov,Alexander; Chonbuk国立大学,Vasilev,a。;国立科学技术大学Misis,Kochkova,Anastasia;国立科学技术大学伊万·史密斯罗夫(Isis Schemerov);国立科学技术大学“ MISIS”,新材料和纳米技术系Yakimov,Evgeniy;微电子技术和高纯度材料Miakonkikh,Andrew; Ras Chernykh的Valiev物理与技术研究所,A。;国立科学技术大学Misis,Lagov,Peter;国立科学技术大学“ MISIS”,尤里高级太阳能帕夫洛夫实验室;弗鲁姆金物理化学与电化学研究所RAS,辐射技术实验室Doroshkevich,A。; Isaev,r;核研究所联合研究所;罗曼诺夫联合研究所,安德烈;国立科学技术大学Misis,Alexanyan,L;国立科学技术大学“ MISIS”,n高级太阳能Matros的实验室;亚历山大国立科学技术大学Misis Azarov;奥斯陆大学物理学系Kuznetsov,Andrej;奥斯陆大学,史蒂芬物理学系; Univ.Florida,MSE
作用于 RNA 的腺苷脱氨酶 (ADAR) 可以重新用于实现位点特异性的 A-to-I RNA 编辑,方法是通过 ADAR 招募向导 RNA (adRNA) 将它们招募到感兴趣的靶标上。在本章中,我们详细介绍了通过两种正交策略实现此目的的实验方法:一是通过招募内源性 ADAR(即已经在细胞中天然表达的 ADAR);二是通过招募外源性 ADAR(即将 ADAR 递送到细胞中)。对于前者,我们描述了使用环状 adRNA 将内源性 ADAR 招募到所需的 mRNA 靶标上。这可在体外和体内实现稳健、持久且高度转录特异性的编辑。对于后者,我们描述了使用 split-ADAR2 系统,该系统允许过度表达 ADAR2 变体,可用于以高特异性编辑腺苷,包括难以编辑非优选基序中的腺苷,例如 5′ 鸟苷两侧的腺苷。我们预计所述方法应促进研究和生物技术环境中的 RNA 编辑应用。
CRISPR/Cas9 是一种流行的基因组编辑技术。尽管被广泛使用,但人们对这种原核系统在人类中的行为知之甚少。真核 Cas9 表达的一个不良后果是脱靶 DNA 结合导致诱变。更安全地在临床上实施 CRISPR/Cas9 需要更好地了解控制 Cas9 在人类中行为的调节机制。在这里,我们报告了我们发现的 Cas9 SUMO 化和泛素化,这是首次描述的这种酶的翻译后修饰。我们发现 Cas9 上的主要 SUMO2/3 结合位点是 K848,这是 HNH 核酸酶结构域中一个关键的带正电荷的残基,已知它与靶 DNA 相互作用并导致脱靶 DNA 结合。我们的结果表明,Cas9 泛素化通过蛋白酶体降解导致稳定性降低。通过将 K848 转化为精氨酸或药理学抑制细胞的 SUMO 化来阻止 Cas9 SUMO 化可增强酶的周转率并降低向导 RNA 指导的 DNA 结合效力,这表明该位点的 SUMO 化可调节 Cas9 的稳定性和 DNA 结合。需要进行更多研究才能充分了解这些修改对 Cas9 特异性的影响。
© 2020 作者。本文根据 Creative Commons 署名 4.0 国际许可协议授权,允许以任何媒介或格式使用、共享、改编、分发和复制,只要您给予原作者和来源适当的信任,提供 Creative Commons 许可的链接,并指明是否进行了更改。本文中的图像或其他第三方材料包含在文章的 Creative Commons 许可中,除非在材料的致谢中另有说明。如果材料未包含在文章的 Creative Commons 许可中,并且您的预期用途不被法定法规允许或超出允许的用途,则您需要直接从版权所有者处获得许可。要查看此许可证的副本,请访问 http://creativecommons.org/licenses/by/4.0/。除非在数据的致谢中另有说明,否则 Creative Commons 公共领域贡献豁免 (http://creativecommons.org/publicdomain/zero/1.0/) 适用于本文中提供的数据。
简洁地模拟蛋白质结合对于理解不同生物系统之间的相互作用、设计有影响力的新生物化合物以及构建结合生物系统和非生物系统(如晶体和非晶态系统)的生物材料至关重要。近年来,基因疗法有望治愈各种疾病,而 CRISPR 的发展进一步放大了这种希望,这使得这一点尤为重要。由于每种氨基酸都很复杂,因此精确的建模仍然很困难。虽然有许多精确的模型描述蛋白质与其他蛋白质或某些溶剂中的相互作用,但模拟温度的影响、同一区域内其他系统引起的扰动的影响等仍然极其困难[1]。如果将功能类分配给整个功能,则随着氨基酸数量的增加,结合函数的求解难度将呈指数级增长,这使得只能在多项式时间内工作的计算机无法有效求解所有可能的组合。这个问题有两类解决方案。一类涉及在生物建模领域使用机器学习和人工智能。这需要用多项式模型来近似指数模型,并使用大量蛋白质信息数据集和高性能聚类来识别所分析蛋白质与测试数据之间的相似性和差异性。虽然这已经取得了巨大的成功,特别是通过展示结合模型的更高精度,但模型的数据强度意味着机器学习的精确度取决于输入的数据。虽然这对于机器学习影响的其他领域来说不是问题,例如在语音识别中,许多类型的语音模式的数据集很容易获得,但蛋白质建模仍然依赖于纳米级成像和分析技术来表征对接位点和氨基酸之间的连接。