Summary
CRISPR-Cas9技术提供了一种有效的方法,可以精确编辑任何细胞类型的哺乳动物基因组,并代表一种执行全基因组基因筛选的新方法。此处提供了一个详细的协议,讨论成功执行池全基因组 CRISPR-Cas9 屏幕所需的步骤。
Abstract
使用CRISPR-Cas系统的基因组编辑已经大大提升了精确编辑各种生物体的基因组的能力。在哺乳动物细胞的背景下,这项技术代表了一种用于功能基因组学研究的全基因组基因筛选的新手段。面向所有开放阅读框架的指南RNA(sgRNA)库允许在单个细胞池中方便地产生数千个基因扰动,这些细胞池可以筛选特定表型,以暗示基因功能和细胞过程。公正和系统的方式。CRISPR-Cas屏幕为研究人员提供了一种简单、高效和廉价的方法来揭示细胞表型的基因蓝图。此外,对不同细胞系和不同癌症类型的屏幕进行鉴别分析可以识别肿瘤细胞中上下文必要的基因,揭示特定抗癌治疗的潜在靶点。在人类细胞中执行全基因组屏幕可能令人望而生畏,因为这需要处理数千万个细胞,并且需要分析大量数据。这些屏幕的细节,如细胞系表征、CRISPR 库注意事项,以及分析过程中了解 CRISPR 技术的局限性和功能,经常被忽视。此处提供了一个详细的协议,用于成功执行基于全基因组 CRISPR-Cas9 的屏幕。
Introduction
CRISPR-Cas 是定期聚类短纤维重复和 CRISPR 相关核酸酶的简称,由单个核酸酶蛋白(例如 Cas9)与合成导引RNA(sgRNA)复合体组成。这种核糖核蛋白复合物以Cas9酶为目标,在特定的基因组位点1诱导双链DNA断裂。双绞线断裂可以通过同源定向修复 (HDR) 修复,或者更常见的是,通过非同源端连接 (NHEJ),一种容易出错的修复机制,导致插入和/或删除 (INDELS),经常破坏基因功能1.CRISPR的效率和简单性使以前无法实现的基因组靶向水平远远超过以前的基因组编辑技术,即锌指核酸酶(ZNF)或转录活化剂样效应核酸酶(TALENS),两者都受到更高的设计复杂性,较低的转染效率,并在多路基因编辑2的局限性。
CRISPR单导RNA基因组编辑的基础研究应用使科学家能够高效、廉价地询问单个基因的功能和遗传相互作用网络的拓扑结构。使用CRISPR-Cas系统大大提高了执行功能性全基因组屏幕的能力,特别是与早期的基因扰动技术(如RNA干扰(RNAi)和基因陷阱诱变相比。特别是,RNAi受到高脱靶效果和不完全击倒,导致与CRISPR3,4,5相比,灵敏度和特异性较低,而基因陷阱方法只有在单倍体中才可行细胞功能丧失,限制了细胞模型的范围,可以询问6。CRISPR能够产生完整的基因敲除,提供了一个更具生物学上强大的系统来询问突变表型,低噪声,最小的脱靶效应和在试剂5上的一致活性。CRISPR-Cas9 sgRNA库,针对整个人类基因组现已广泛可用,允许在一个单一的实验3,7,8,9同步产生数千个基因敲除.
我们开发了独特的CRISPR-Cas9全基因组sgRNA慢病毒库,称为多伦多敲除(TKO)库(可通过Addgene获得),这些库结构紧凑,经过序列优化,便于高分辨率功能基因组学屏幕。最新的库,TKOv3,以18,000个人类蛋白质编码基因为目标,71,090个指南,利用经验数据10优化了编辑效率。此外,TKOv3 可作为单组分库(LCV2::TKOv3、Addgene ID #90294)在单个载体上表达Cas9和sgRNA,从而减轻了生成稳定的Cas9表达细胞的需求,从而在广泛的范围内实现全基因组的敲除哺乳动物细胞类型。TKOv3也可用于没有Cas9(pLCKO2::TKOv3,Addgene ID= 125517)的载体中,可用于表达Cas911的细胞。
全基因组CRISPR-Cas9编辑的细胞群可以暴露在不同的生长条件下,随着时间的推移,通过下一代测序量化了sgRNA的丰度,为评估具有可追溯遗传的细胞的辍学或富集提供了读出扰动。CRISPR 敲除库可用于识别在扰动时导致细胞健康缺陷、中度药物敏感性(例如敏感或耐药基因)、调节蛋白质表达(例如,报告人)或特定基因所需的基因通路功能和细胞状态12,13,14。例如,癌细胞系中的差分健身屏可以识别肿瘤基因的消耗或减少,并富集或增加肿瘤抑制基因3,14,15。同样,使用中间剂量的治疗药物可以揭示耐药性和致敏基因16,17。
此处提供了详细的基因组规模CRISPR-Cas9功能丧失筛选方案,使用多伦多敲除库(TKOv1或v3)在哺乳动物细胞从库生成、筛选性能到数据分析。尽管此协议已针对使用多伦多挖空库进行筛选进行了优化,但可以应用它并扩展到所有 CRISPR sgRNA 集合库。
Subscription Required. Please recommend JoVE to your librarian.
Protocol
下面概述的实验应遵循该研究所的环境健康和安全办公室指南。
1. 集合CRISPR sgRNA慢病毒库质粒扩增
- 将现成的CRISPR sgRNA质粒DNA库稀释至TE(例如TKOv3)中的50纳克/μL。
- 使用电能电池电化库。设置总共四个电穿孔反应,如下所述。
- 将 2 μL 的 50 纳克/μL TKO 库添加到 25 μL 的解冻电能电池中,以预冷却的比色皿 (1.0 mm) 在冰上。
- 使用制造商协议建议的最佳设置进行电波化。在脉冲的10秒内,向比色皿中加入975μL的恢复介质(或SOC介质)。
- 将电镀电池转移到培养管,并加入1 mL的恢复介质。在250rpm的转速下在摇动培养箱中孵育管1小时,在37°C下。
- 设置稀释板对库进行点子,并估计转换效率。
- 汇集所有8 mL的恢复细胞,并混合良好。将10μL的池细胞转移到990μL的恢复介质,进行800倍的稀释和混合。
- 将20μL的稀释板稀释到预加热的10厘米LB+卡比西林(100微克/升)琼脂板上。这会导致转换剂稀释 40,000 倍,用于计算转换效率。
- 每个板上回收的细胞板 400 μL,共 20 个预加热 15 厘米 LB – 卡比西林琼脂板。在 30°C 下孵育板 14-16 小时。
注:在此较低温度下生长可最大程度地减少长端重复 (LTR)18之间的重组。 - 要计算转换效率,计算 40,000 倍稀释板上的菌落数(步骤 1.3.2)。将殖民地数乘以 40,000,以获得所有板块上的菌落总数。如果菌落总数代表相当于每sgRNA至少200倍菌落的库覆盖率(最优是500-1000x)。则继续。
- 例如,TKOv3库(71,090 sgRNA)的最小菌落数为1.4 x 107,相当于每sgRNA200x菌落。如果菌落表示不足,则根据稀释板上的菌落数量,在步骤 1.2 中增加电孔数量,以实现最小库覆盖率。
- 如下面所述收获殖民地
- 在每个15厘米的板中,加入7 mL的LB+ 卡比西林(100微克/升)培养基,然后用细胞扩张器刮掉菌落。使用 10 mL 移液器,将刮伤的细胞转移到无菌的 1 L 锥形烧瓶或瓶子中。
- 再次用 5 mL 的 LB + 卡比西林介质冲洗盘子,并将溶液转移到瓶子中。
- 对所有盘子重复一遍,将20个盘子的细胞放入无菌瓶中。
- 在室温 (RT) 下将收集的细胞与搅拌棒混合 1 小时,以分解细胞团块。将细胞转移到预称重的离心机瓶和以7,000 x g的离心机到颗粒细菌,然后丢弃介质。
- 称量湿细胞颗粒并减去离心机瓶的重量,以确定湿颗粒的最终重量。根据每列可以处理的细菌颗粒量,使用 maxi 或超大量程质粒纯化试剂盒纯化质粒 DNA。
2. 大规模CRISPR sgRNA库慢病毒生产
注: 协议本节中的所有步骤都在二类 A2 型生物安全机柜中的 BSL2+ 设施中执行。
- 根据通常从一个 15 厘米板中采集的 18 mL 病毒的估计值,计算病毒生产所需的 15 厘米板的数量。
- 通过在低抗生素生长培养基(DMEM = 10% FBS + 可选:0.1x 笔/链环)中,在 20 mL 培养基中每 15 厘米板的 8 x 106细胞将 HEK-293T 包装细胞播种,制备细胞进行转染。在37°C,5%CO2孵育细胞过夜。确保镀层细胞在转染时均匀分布70%~80%。
- 第二天,准备三个转染质粒混合物,如表1中概述的15厘米板。计算一次转染所需的质粒量,并混合为板数的质粒,以及一个要转染的质粒。
- 如表2所述,为每个转染准备脂基转染试剂。Aliquote将血清培养液降低到单个1.5 mL微离心管中,以便转染板的数量。加入转染试剂,轻轻混合,在RT孵育5分钟。
- 在5分钟孵育后,将一次转染所需的DNA量加入转染试剂中,使DNA复合物的转染试剂与μg比例为3:1。轻轻混合,在RT孵育30分钟。
注:后续转染可以5组或更少的组进行制备,间隔为5分钟,以优化时间并避免过度孵化。 - 孵育30分钟后,小心地将每个转染混合物转移到每个包装细胞的板中。在圆形的锯齿形运动中,使用 1 mL 移液器尖端滴入,而不会干扰细胞单层,即可添加整个混合物。在37°C下孵育细胞18小时,在5%CO2下孵育。
- 制备病毒收获介质:500 mL 的 DMEM 介质 + 32 mL 的 BSA 库存(20 g/100 mL,溶解在 DMEM 中,过滤消毒 0.22 μm 过滤器) = 5 mL 的 100x 笔/链球菌。
- 18小时后,去除介质(在处置前适当处理慢病毒废物,如在1%次氯酸钠中孵育30分钟)。轻轻更换每个盘子的18 mL病毒收获介质。在37°C下孵育细胞18小时,在5%CO2下孵育。
- 24小时后,检查包装细胞的异常和熔融形态,以指示良好的病毒生产。然后,通过收集所有上清液并转移到无菌锥形离心管中来收获慢病毒。
- 将含有病毒的介质旋转 300 x g 5 分钟,然后粒状包装细胞。将上清液压入无菌聚丙烯管中,而不会干扰颗粒。
- 将病毒储存在4°C下,短时间(少于1周)或立即在-80°C储存,以便长期储存。将大规模病毒预置到一次性容量进行长期存储,以避免冻结/解冻。
3. 用于筛选的细胞系表征
- 选择所需的细胞线。
- 测量并记录细胞的大约翻倍时间。
- 确定最佳细胞电镀密度,使培养细胞在首选的组织培养容器(例如,15 厘米组织培养板)中每 3⁄4 个细胞加倍一次。
- 确定在所需细胞系中用于选择含有紫霉素抗标记的TKO库的紫霉素浓度,如下所示:
- 种子细胞在12孔板中,在72小时后达到汇合的密度,然后孵育过夜(37°C,5%CO2)。
- 第二天,以0.5微克/mL的增量,更改为含有稀释范围的普霉素浓度从0微克/mL到10微克/mL的介质。孵育细胞48小时。
- 48小时后,通过细胞计数或阿拉马尔蓝染色测量细胞的生存能力。
- 确定在48小时内杀死100%细胞的最低浓度。
注:对于双倍倍长的细胞系,可以耐受用紫霉素的较长孵育。在这些情况下,确定 <3 细胞加倍所需的孵育时间的终止曲线。在筛查开始之前,尽量减少选择时间,避免基本基因的滴落。
- 通过执行与测量紫霉素敏感性相同的方法执行剂量响应曲线(步骤 3.2),检查细胞对六溴二苯丙胺的敏感性(高达 8 μg/mL)。如果使用六甲甲酰胺溴化物的 <8 μg/mL 观察到毒性,请勿使用。
4. 用于确定 MOI 的池 CRISPR 慢病毒库的功能滴定
- 解冻一个新鲜的配量的汇集CRISPR sgRNA库慢病毒(例如,LCV2::TKOv3),并保持在冰上。
- 设计一系列病毒体积,以在 0⁄2 mL(即 0 mL、0.25 mL、0.5 mL、1 mL 和 2 mL)的范围内进行测试。
- 以72小时达到汇合所需的密度,在15厘米的板材中采集目标细胞和种子细胞。
- 对于要测试的每个病毒体积,准备重复的板。将细胞、病毒、六溴二苯丙胺(8微克/mL)和介质添加到20 mL的最终体积中。彻底混合板,将板水平在培养箱中,孵育24小时(37°C,CO2)。
- 24小时后,清除含有介质的病毒并处理(使用生物安全预防措施处理慢病毒废物)。可随意用温暖的PBS轻轻清洗盘子,以去除外来病毒。
- 对于每种病毒状况,使用确定在第 3 节中杀死细胞的浓度,将含有紫霉素的 20 mL 培养基替换为一个复制板。到另一个板,添加20 mL的新鲜介质,不含紫霉素。孵育48小时(37°C,5%CO2)。
- 48小时后,检查所有未感染的细胞(0 mL病毒状况)与紫霉素治疗已死亡。单独收获所有板,并通过反复的温和移液分散细胞。
- 通过将细胞计数与选择紫霉素与不含紫霉素的细胞计数进行比较,计算每个病毒体积的细胞数量并计算每个病毒体积的MOI(即+/- 紫霉素)。
- 图形结果,以确定病毒体积,导致30%-40%细胞生存与紫霉素的选择与没有紫霉素。在相同的组织培养条件下,在屏幕期间使用此病毒体积实现 0.3~0.4 的 MOI。
5. 初级屏幕感染、选择和细胞传递
- 选择要在整个屏幕中维护的 CRISPR sgRNA 库覆盖范围(建议至少 200 倍)。
- 根据库的覆盖范围,确定维持每sgRNA覆盖所需的细胞数量,以及MOI 0.3(表3)中感染所需的细胞数量。
- 确定设置感染所需的板数(表4)。
- 使用 CRISPR 库感染细胞
- 收获细胞,并将所需的细胞数播种到每个15厘米的板中。
- 在所有板中加入六溴二苯丙胺(8微克/升)。
- 将 MOI 0.3 所需的体积将病毒添加到筛查和控制 2 板中。对于控制 1,不要添加病毒,并将该卷替换为介质。
- 通过倾斜彻底混合板。将板放在培养箱中,确保它们水平。
注:在电镀前,通过将病毒、介质和六溴二苯甲酰胺与悬浮细胞结合,可以进行批量感染。 - 在步骤 3.2.4 中确定的浓度下,取出介质,用含有紫霉素的新鲜介质更换,以在病毒感染后 24 小时控制 1 板。将没有紫霉素的新鲜介质添加到控制 2 板中。孵育细胞48小时(37°C,5%CO2)。
- 48小时后加入紫霉素,确保所有未感染的细胞均死亡(控制1)确认紫霉素活性,然后收获受感染的细胞。
- 收获受感染的细胞群和细胞传递
- 从所有筛选板中采集选择的紫霉素细胞放入一个无菌容器中。分别从每个控制板上收集细胞。通过温和的反复移液分散细胞。
- 分别计算来自集合筛选细胞的细胞,控制1,并控制2,并计算每1mL的细胞数。
- 计算 MOI 和折叠覆盖率,如下所示:
- 在选定的库覆盖中从池细胞中收集三个细胞颗粒的复制,用于基因组DNA提取。在500 x g下将细胞离心5分钟,用PBS清洗。在-80°C处标记管和冷冻干燥的细胞颗粒(这些是T0参考样品)。
- 将受感染的细胞池拆分为三个复制组(例如,复制 A、复制 B、复制 C),同时保持每个复制中的库覆盖率。种子细胞的播种密度与扩展它们时通常使用的相同。对每个复制板和复制之间的相同单元格总数使用相同的单元格数。
- 继续通过细胞,并收获三个复制细胞颗粒从每个复制的池感染细胞,如上,每3~8天,根据细胞系,长达15-20细胞翻倍。在每个通道中,从每个复制组的所有板块中收集细胞彼此(即,复制A板中的所有细胞被重新混合在一起,复制B板中的所有细胞被重新混合在一起,等等)。
- 用时间 (T) 标记每个颗粒并复制指定。这对应于收集颗粒后的天数(例如 T3_A、T3_B、T3+C 等)。
- 对于阴性选择药物屏幕,允许细胞在治疗前在T0后至少恢复一次。在T3或T6,使用步骤5.3.5中使用的相同种子密度,将每个复制组(A、B、C)的细胞分裂成药物治疗和控制人群。
- 单独汇集药物治疗组中每个复制的库覆盖所需的细胞数。在中间浓度(IC20-IC50)添加药物。播种细胞并孵育(37°C,5%CO2),直到下一段。
- 单独汇集车辆控制组中每个复制的库覆盖率所需的单元格数。使用与药物相同的体积添加车辆控制(<0.5% v/v)。播种细胞并孵育(37°C,5%CO2),直到下一段。
- 如步骤 5.3.5 所述,每 3 天继续通过细胞并收获基因组 DNA 的细胞颗粒,同时在每个通道刷新药物或车辆。
- 对于正选择或耐药性屏幕,根据库覆盖所需的单元数拆分每个复制组。在每个复制中加入IC90药物浓度。在IC90,大多数细胞将被杀死。允许耐药人群生长和收集细胞颗粒(1⁄2 x 107细胞),用于基因组DNA提取。
6. CRISPR样品制备和测序
- 基因组DNA纯化
- 在RT孵育冷冻细胞颗粒5~10分钟,进行解冻。
- 将 1.4 mL 的 PBS 添加到含有细胞颗粒的 50 mL 离心管中。涡旋20秒,以重新悬浮细胞和休息1分钟。如果需要,移液器 15x 与 P1000 以分解剩余的细胞团块。如果从 15 mL 或 1.5 mL 管中转移细胞,用 1 mL 的 PBS 重新悬浮细胞,然后将细胞转移到 50 mL 管中,然后用 400 μL 的 PBS 冲洗原始管。
- 向重新悬浮的细胞中加入5 mL核赖斯溶液。使用 10 mL 移液器,通过上下移液 5 倍混合样品。
- 在核莱沙中加入32 μL的RNase A(20mg/mL;以获得100微克/mL的最终浓度),并通过反转管5倍混合样品。在 37°C 下孵育混合物 15 分钟,让样品在 RT 冷却 10 分钟。
- 在20s的解液和涡流中加入1.67 mL的蛋白质沉淀溶液。混合后可可见小蛋白团块。
- 在 RT 下以 4,500 x g离心 10 分钟。
- 使用10 mL移液器,将上清液转移到含有5 mL异丙醇的50 mL离心管中。通过反转轻轻混合溶液10倍,直到观察到DNA。
注:DNA可以观察到为白色,线状的股,形成可见质量。 - 在RT处以4,500 x g离心5分钟,以颗粒DNA。
- 使用 10 mL 移液器,小心地去除上清液,避免去除 DNA 颗粒。在RT处加入5 mL的70%乙醇到DNA中。轻轻旋转管,以清洗脱氧核糖核酸颗粒和离心管的侧面。
- 在 RT 下以 4,500 x g离心 5 分钟。
- 使用 10 mL 移液器,小心去除 70% 乙醇,避免去除 DNA 颗粒。空气干燥基因组DNA在RT10分钟。
- 将400μL的TE溶液加入管中,通过在65°C孵育1小时,让DNA溶解。如果DNA未完全溶解,在65°C孵育管,再育育1小时,同时每15分钟轻轻轻拂管,将其保持在4°C过夜。
- 在RT下以4,500 x g离心1分钟,并将基因组DNA转移到1.5 mL低结合管。
- 在分光光度计(总核酸含量)和荧光计(对于双链DNA含量)上量化和测量基因组DNA的纯度。
- 或者,如果sgRNA的下游PCR扩增出现问题,则沉淀基因组DNA如下。
- 将400μL基因组DNA转移到1.5 mL微离心管中。
- 加入18 μL的5M NaCl(最终浓度为0.2 M)和900μL的95%乙醇。
- 反转管10倍,直到彻底混合,然后在16,000 x g下在RT上离心10分钟。
- 小心地去除上清液,避免去除DNA颗粒。用 500 μL 的 70% 乙醇清洗 DNA 颗粒。轻轻旋转管子以清洗DNA颗粒。
- 在 RT 下以 16,000 x g进行 5 分钟的离心机。
- 小心去除上清液,避免去除DNA颗粒。空气干燥基因组DNA在RT10分钟。
- 如步骤 6.1.12 所述,添加 300 μL TE 以溶解 DNA。
- 量化和测量基因组DNA的纯度,如步骤6.1.14所述。
- CRISPR 测序库准备
- 使用总共 100 μg 的基因组 DNA 设置表 5中概述的 PCR 1。每50μL反应加入3.5μg基因组DNA,并设置相同的50μL反应,以达到所需的覆盖。表 6列出了用于扩增 LCV2::TKOv3 测序库的引物序列示例。表 7列出了用于扩增 pLCKO2::TKOv3 测序库的引物序列示例。
- 使用表8中概述的程序,在热循环器中放大PCR1反应。
- 通过在1%的甘蔗凝胶上运行2μLPCR产物,检查PCR1的扩增。PCR 1 产生 600 bp 的积。
- 将每个基因组DNA样本的所有单个50μL反应汇集,并通过涡旋混合。
- 使用5 μL的集中PCR 1产物作为模板,为每个样品设置一个PCR 2反应(50μL),如表9中概述的。为每个单独的样本使用唯一的索引引出组合,以允许组合排序库样本。
- 使用表10中概述的程序,在热循环器中放大PCR2反应。
- 在铸造凝胶前10分钟,用0.1 N HCl清洁用于纯化放大产品的胶凝胶设备。准备含有DNA染色的2%甘蔗凝胶,用于纯化PCR 2扩增产物。
- 在低电压(1.0~1.5 小时运行)下,在 2% 的甘蔗凝胶上运行 PCR 2 产品。PCR 2 产生 200 bp 的产品。
- 在蓝光透射器上可视化 PCR 产品。使用凝胶萃取试剂盒去除 200 bp 带,并从甘蔗糖凝胶切片中纯化 DNA。在分光光度计和荧光计上量化和测量测序库的纯度。
注:典型的凝胶纯化测序库浓度范围为5~10纳克/μL,总收率为150~300纳克。
- 高通量排序
- 在下一代测序器上对CRISPR排序库进行排序。
- 序列参考T0样本在400至500倍库覆盖率较高的读取深度下。以最小读取深度 200 倍的最小读取深度对落水屏幕进行序列实验时点采样。对于强正选择屏幕,最小读取深度为 50 倍,足以识别丰富的 sgRNA。
注: 对 T0 样本进行排序以确定特定屏幕的库表示形式,并用作确定 sgRNA 折叠随时间变化的参考,这一点至关重要。
7. 数据分析
- 使用 Bowtie 等程序对齐序列,以便使用以下参数将序列读取映射到参考库:-v2(允许两个不匹配)和 -m1(丢弃映射到库中多个序列的任何读取)。
- 将给定样本的每个 sgRNA 的唯一映射读取数规范化为每个样本的 1000 万次读取,如下所示:
107 - 与 T0 样本 (Tn/T0) 相比,计算每个时间点 (Tn) 的每个复制的对数2 折变化。将 0.5 读取的伪计数添加到所有读取计数,以防止不连续性从零。将 T0 样本中具有 <30 原始读取的 sgRNA 排除在折叠变化计算和下游分析之外。
- 使用贝叶斯基因本质分析 (BAGEL) 算法
分析折叠变化,使用先前为基因本质性屏幕定义的核心基本和非必要训练集(补充表S1)或药物Z 用于药物屏幕20。 - 使用 BF 分数计算屏幕性能评估的精度和召回率。使用步骤 7.4 中的基本集作为 Python 的 Scikit 学习库的精度_recall_曲线函数的真正正列表,以及上述 BF 分数子集。或者,在 R 中使用 PRROC 包执行相同的组件。
- 计算每个基因的所有参考线的平均折叠变化。在R或等效软件中为基本和非必需基因(参见步骤7.4)生成密度图。在 R 中,如果 x.ess 是包含基本基因的对数折叠更改值的矢量,并且 x.nonEs 包含非必需基因,则使用以下命令进行绘制:
绘图(密度(x.ess),xlab="平均logFC",col="红色",lwd=2)
线(密度(x.nonEs),col="蓝色",lwd=2)
注:有关 Python 版本详细信息和使用的程序包,请参阅学学 v0.19.1:(由 Pedregosa 等人发布 21)。
Subscription Required. Please recommend JoVE to your librarian.
Representative Results
基因组规模CRISPR筛选工作流程概述
图 1概述了池 CRISPR 筛选工作流程,从低 MOI 下目标细胞感染 CRISPR 库慢病毒开始,以确保单个集成事件和足够的库表示(通常为 200 到 1000-折叠)。感染后,细胞用抗生素紫霉素进行治疗,以选择转导细胞。选择后,收集基线T0细胞颗粒,以评估筛选开始时的库分布情况。其余的细胞,由基因扰动的异质群体组成,每3-4天通过一次所需的库状,15-20倍,以便进行基因编辑和由此产生的效果显现。在细胞从病毒感染和紫霉素选择中恢复后,通常添加具有药物治疗功能的屏幕在T3或T6。细胞在基因组DNA的每个通道的所需库表示形式下进行采集,通过下一代测序在所需时间点确定指导丰度。
建议在下游测序库准备步骤中可能发生任何故障时收集多个样本。池化屏幕通常是基于可行性的检测,专为基本sgRNA的正选或负选而设计。正屏幕识别在特定选择压力(例如药物或突变细胞系)下显示抗药性或提高存活率的基因。在这种情况下,大多数细胞会因选择而死亡,而保留的细胞将因sgRNA而富集,以靶向对被测试的药物或条件具有抗药性的基因。负选择屏幕或"退出"屏幕可识别基因敲除,在屏幕选择压力下对生存的敏感度提高或丧失。为了识别具有型型效应(如生长缺陷)的扰动,每个时间点的导图丰度通过下一代测序进行量化,并对照 T0 评估屏幕过程中参考线的退位或扩充。使用分析平台,对参考线进行记录折叠更改测量,并应用 BAGEL 等算法来启用基因命中的排名。
集中 CRISPR 屏幕中的库扩增和维护
图2说明了质粒库扩增后指南的预期分布。TKOv3库由71,090个sgRNA组成,每个基因有4个sgRNA,目标为18,000个蛋白质编码基因10。理想的库应该以相似的数量表示每个 sgRNA。因此,建议通过下一代测序确认扩增库中的参考线分布。此处显示的是一个放大的库,sgRNA 分布非常紧凑,确认所有 sgRNA 的 >95% 都在 4 倍的分布范围内(图 2)。更大范围的 sgRNA 将表明大量库指南的分布不均,并且可能导致池屏的噪音。
屏幕性能评估
图 3表明,通过根据基本基因(684 个基因)和非必需基因(926 个基因)的黄金标准参考列表评估所有 sgRNA 的折叠变化分布,可以评估屏幕的性能质量,并将其可视化为精确召回曲线10.使用黄金标准参考集,为屏幕端点计算贝叶斯因子 (BF) 分数,并绘制精度召回曲线。BF 分数的计算是通过分析使用贝叶斯框架(前面描述的BAGEL 算法)针对基因的所有指南的对数折叠变化来比较已知基本和非必需指南集的分布。错误发现率 (FDR) 是使用相同的金标准参考集的经验推导。高性能屏幕应在 BF >6 和 FDR <5% 的阈值下恢复大量基本基因,这从大多数曲线中的锐利"弯头"和到终点的直线(如图 3A中的蓝线所示)就证明了这一点。还应检查针对基本和非必需基因的指南的辍学情况(图3B)。以参考非必需基因为目标的参考参考线应显示以零为中心的对数折变化的大致对称分布,如图3B所示。图3B中的实线显示了相对于针对非必需基因的指南分布的折叠变化分布。
基本基因
集合全基因组的辍学屏幕的基本应用之一是识别基本基因。基本基因是健身基因的一个亚类,是其扰动导致细胞致命性的基因,也被认为是松散的增殖基因。在癌症生物学中,可以确定特定上下文的要素,以确定特定肿瘤细胞系的依赖关系。图4显示了从BAGEL算法得出的贝叶斯因子评分的基本基因等级。贝叶斯因子 (BF) 表示基因分解导致健身缺陷的置信度指标。更积极的分数表明,对扰动导致体能下降的信心更高。
正选择屏幕
在过量药物剂存在的情况下,可以培养全基因组的敲除池,以寻找抑制/抗药性基因。这里展示的是HCT116细胞在胸腺酰胺的存在下筛选的一个例子,以寻找G1/S逮捕3的抑制者。此屏幕的详细信息可在以前的出版物3中找到。简单地说,在选择CRISPR库感染细胞6天后,细胞被分裂成复制,保持图书馆覆盖,并用胸腺素治疗。细胞在药物存在的情况下通过,直到在基因组DNA取样中回收出足够的耐药细胞。正选择(读取深度)可以比负屏低,因为由于强烈的选择性压力,只有一小部分参考线会保持。在此示例中,以数百万次读取获得测序,12个针对胸腺酰胺激酶(TK1)的12个sgRNA中的11个按预期回收和浓缩(图5)。
金额是根据摩尔比率 1:1:1 确定的 | ||
组件 | 每15厘米板的量 a | |
LCV2::TKOv3 | pLCKO2::TKOv3 | |
普斯帕克2 | 4.8 μg | 7.0 μg |
pMD2.G | 3.8 μg | 4.0 μg |
TKOv3b | 8.0 μg | 5.0 μg |
a基于 TKO 库最有生产力的质粒组合,以 1:1:1 摩尔比确定的数量 | ||
b基于CRISPR库载体主干的TKO质粒量。LCV2 一体式矢量 =13 kb,非 Cas9 pLCKO2 矢量 = 7.6 kb |
表1:TKOv3转染的推荐质粒量。
组件 | 每15厘米板的量 |
奥蒂-梅姆 | 800 μL |
转染试剂 | 48 μL |
表2:基于脂质的转染试剂设置。
折叠覆盖 | 每sgRNAb的细胞数 | 感染所需的细胞数量b |
(sgRNA 库大小a + 折叠覆盖) | (sgRNA 库大小 = 折叠覆盖率 = 0.3 MOI) | |
200 | 1.5 x 107 | 5 x 107 |
500 | 3.6 x 107 | 1.2 x 108 |
1000 | 7.1 x 107 | 2.4 x 108 |
a基于 TKOv3 库大小 = 71,090 sgRNA | ||
b数字四舍五入 |
表3:确定TKOv3 CRISPR库感染和细胞电镀在各种折叠覆盖时所需的细胞数。
治疗 | 感染所需的板数 | |
筛选板 | 病毒, + 果霉素 | (sgRNA 库大小 = 200 倍) = 0.3 MOI = 感染时细胞播种密度 =需要 |
控制 1 | 无病毒, = 果霉素 (0% 生存控制) | 1 |
控制 2 | 病毒, = 无紫霉素 (100% 生存控制) | 1 |
a包括额外的板材,以适应MOI的波动和增长率 |
表4:感染设置的计算。
试剂 | 每1倍反应量 |
2x 主混合 | 25 μL |
10 mM PCR 1 LCV2 正向底漆 | 2.5 μL |
10 mM PCR 1 LCV2 反向底漆 | 2.5 μL |
基因组DNA | 3.5 μg |
水 | 高达 50 μL |
总 | 50 μL |
表5:PCR 1设置。
表6:用于扩增LCV2::TKOv3测序库的PCR引物。请点击此处下载此文件。
表7:用于扩增pLCKO2::TKOv3测序库的PCR引物。请点击此处下载此文件。
步 | 温度 | 时间 | |
1 | 98°C | 30 秒 | |
2 | 98°C | 10 秒 | 25 个周期(步骤 2 = 4) |
3 | 66°C | 30 秒 | |
4 | 72°C | 15 秒 | |
5 | 72°C | 2分钟 | |
6 | 10°C | 保持 |
表8:PCR 1循环参数。
试剂 | 每1倍反应量 |
2x 主混合 | 25 μL |
10 mM i5 正向底漆 | 2.5 μL |
10 mM i7 反向底漆 | 2.5 μL |
PCR 1 产品 | 5 μL |
水 | 15 μL |
总 | 50 μL |
表 9:PCR 2 设置。
步 | 温度 | 时间 | |
1 | 98°C | 30 秒 | |
2 | 98°C | 10 秒 | 10 个周期(步骤 2 = 4) |
3 | 55°C | 30 秒 | |
4 | 65°C | 15 秒 | |
5 | 65°C | 5分钟 | |
6 | 10°C | 保持 |
表10:PCR 2循环参数。
补充表S1。TKO 参考基因集请点击此处下载此文件。
图 1:池筛选工作流程的原理图概述。(A) 目标细胞群在低 MOI 时感染 CRISPR 库慢病毒,以确保大多数细胞接受一种病毒整合,并保持库表示形式。不同的颜色代表每个病毒颗粒中不同的sgRNA。选择转基因细胞池。一旦选择完成,细胞被采样为T0参考和串行通过。(B) 在T0之后的第一个通道,细胞已经从感染中恢复过来,如果需要,可以添加药物治疗。治疗后,细胞群连续通过数周。在每个段落中,细胞被收集为基因组DNA,并在sgRNA库所需的折叠覆盖处重新播种。(C) 可以执行两种类型的屏幕:1) 正选择屏幕,用于识别在特定选择压力(例如药物或突变细胞系)下显示抗药性或增加存活率的突变细胞,因为它们在屏幕;或 2) 负选择屏幕,用于识别在屏幕选择压力下对生存度提高或丧失生存的突变细胞,因为它们在屏幕期间会丢失。(D) 基因组DNA被采集和PCR扩增,以丰富指导区域。(E) 指南丰度通过下一代测序和丰富来量化,或确定耗尽的参考线进行"命中"识别。请点击此处查看此图的较大版本。
图2:扩增CRISPR sgRNA库的质量。放大的库质粒通过下一代测序进行分析(建议读取:3000 万次读取,对应于库的 +400 倍表示形式)。此处显示的是一个 sgRNA 分布紧密的库,在 4 倍分布范围内,所有 sgRNA 的分布率超过 95%。 请点击此处查看此图的较大版本。
图3:使用金标准基本基因参考集评价退出屏幕质量。(A) 在 BF >6 和 FDR 为 5% 的阈值下,对筛选结果的精密召回分析在关键点下恢复基本基因。高性能屏幕由蓝线表示,低性能屏幕由红线表示。(B) 针对基本基因(实线)和非必需基因(虚线)的sgRNA的折叠变化分布。请点击此处查看此图的较大版本。
图4:基因本质的确定。贝叶斯因子基因排名基本上在特定屏幕。贝叶斯因子 (BF) 表示基因分解导致健身缺陷的置信度指标。较高的贝叶斯因素表明增强的信心,基因淘汰导致健身缺陷,(红点)。较低的贝叶斯因子分数表明,淘汰提供了增长优势(蓝点)。请点击此处查看此图的较大版本。
图5:HCT116细胞中胸腺素块抑制器的正选择屏幕。T0 处所有 sgRNA 的标准化读取计数针对胸腺酰胺处理样本的平均标准化读取计数绘制。对于正选择屏幕(即,使用IC90浓度的药物),对药物产生抗药性的扰动数量预计很小。因此,读取深度可能低于负屏所需的深度,在 whch 中,大部分库都应表示。TK1 sgRNA 以红色圈。此图已由以前的出版物3中修改。请点击此处查看此图的较大版本。
Subscription Required. Please recommend JoVE to your librarian.
Discussion
CRISPR技术以其使用简单、可靠性高,被广泛采用为精确基因组编辑的首选工具。集合CRISPR筛查提供了一种在单个实验中询问数千种基因扰动的方法。在池化屏幕中,sgRNA库充当分子条形码,因为每个序列都是唯一的,并映射到目标基因。通过将基因组DNA与细胞群分离,可以通过下一代测序量化sgRNA丰度来确定引起感兴趣的表型的基因。大量并行测序方法用于量化样本中的sgRNA,这意味着多个独立的细胞群可以汇集到同一个测序通道中,以降低成本。
在开始大规模筛选项目之前,必须有一个特征良好且技术优化的模型。遗传背景、生长速率和转导效率是选择细胞系进行筛选的重要因素。例如,增长率和编辑效率将决定模型的可扩展性和技术适用性。为了充分代表大型sgRNA库,需要数千万个细胞,因此细胞数量可能是筛选具有较慢倍数的细胞系或具有良好增殖能力的细胞系可行性的一个限制因素(例如,主细胞)。根据生长速率,应相应地选择细胞培养条件,如细胞播种密度和筛选板大小。建议在最大容器中培养细胞,这对屏幕来说是可行的,在技术上是可行的。
由于细胞固有的感染性不同,Lenti病毒转导效率因细胞类型而异。因此,在一种细胞类型中实现足够感染所需的病毒量在另一种细胞类型中不一定相同。因此,在细胞系中生产的每批慢病毒库在功能上滴定度至关重要,以确保对库的足够覆盖,并且通过在0.3左右(第4节)在较低的MOIs处转导,确保每个细胞的覆盖率和大多数是单转导事件。转导效率也可能受细胞培养条件的影响;因此,功能性定位应使用屏幕中使用的相同细胞条件来确定。也就是说,在无需事先解冻的情况下,使用相同的组织培养容器、介质成分和体积、细胞电镀密度和病毒预准备非常重要。以不同格式或条件进行的测量不会可靠地扩展到筛选格式。
尽管使用一体式CRISPR-Cas9指南库(如LCV2::TKOv3)具有优势,但编码Cas9的基因相当大,难以有效地封装成病毒颗粒(105-106 TU/mL)。提供较低的慢病毒定子对难以转导的细胞系来说是一个限制,因为它们在全一CRISPR库上会更加困难。为了减轻这种情况,Cas9应提前在细胞系中表示,然后只提供含有sgRNA的CRISPR库(例如,pLCKO2::TKOv3),可以在更高的品位(10 7-108 TU/mL)上进行。细胞系的分体也很重要,因为它决定了需要修改的目标位点的数量。在单倍体细胞中产生完全敲除的能力比在具有给定基因多个副本的细胞中更有效。因此,单倍体细胞中的屏幕可能比双倍体或倍体细胞系6中的屏幕更敏感,产生更高质量的数据。测试与表型相关的已知基因将有助于确定细胞系模型的屏幕能力。例如,对于基本性屏幕,针对26S蛋白酶体PSMD1(Addgene:质粒#74180)的子单位的指南,一个核心基本基因,可用于测试细胞系的编辑效率和可感染性,作为PSMD1的扰动会导致细胞死亡
池化屏幕的鲁棒性在很大程度上取决于sgRNA表示。这是一个重要指标,可确定屏幕期间的库性能以及识别命中数的能力。图书馆多样性在每个sgRNA的表示上有偏差;因此,要筛选和分析的细胞群应足够大,以确保捕获代表性不足的sgRNA6。每个sgRNA的200至1000倍表示法是已发布的屏幕(即每sgRNA200-1000个细胞)10、15中使用的典型覆盖。在扩增库质粒(第 1 节)时和整个屏幕时,应保持这种表示形式,通过感染和传递所需的细胞数(第 5 节)来表示所需的库覆盖率,并在测序库期间准备(协议6),如整个协议所述。例如,要实现 TKOv3 库的 ±200 倍覆盖范围,需要选择和传递 1500 万个受感染的细胞。在测序过程中,假设二倍体人类基因组包含+7.2 pg的DNA和1个sgRNA每个基因组,总共需要100μg的基因组DNA来生成1500万个序列读取的测序库。覆盖的决定将取决于图书馆的大小,因为覆盖较大的图书馆将需要培养数量较多的细胞,这些细胞可能难以维护,而且在技术上不实用。TKOv3 库建议至少覆盖 200 倍,因为 200 倍可在筛选大量细胞的物流和保持足够的动态范围以检测有限的真实生物 sgRNA 丢弃之间实现最佳平衡随机损耗的噪声22,23。较高的折叠库表示将改善可重复性,并确保足够的窗口来检测sgRNA丰度的变化,尤其是对于负选择。负屏的一个限制特征是,扰动只消耗到它存在于起始库24中的程度。相比之下,正选择屏幕的动态范围要大得多,因为它们依赖于细胞的富集,并且可以丰富到最终人口的100%23。因此,对于正选择屏幕(例如抗药性屏幕),库的覆盖率和读取深度可以减少到50至100倍的表示形式,因为预计只有一小部分细胞群能够存活。
此处描述的测序库协议是针对两个矢量主干中的 TKOv3 CRISPR 库优化并在 Illumina 测序平台上排序的两步 PCR。这些测序库也可以使用单个PCR协议生成,类似于哈特等人3中所述。对于其他现成的库,应查阅为这些库提供的引物和排序协议。在制备基因组DNA和PCR样本时,必须仔细考虑污染预防措施。例如,强烈建议建立基因组DNA纯化专用区域。它也应该在物理上与细菌质粒制剂不同,细菌质粒制剂是基因组DNA样本中常见的污染物。PCR 反应应在专用 PCR 罩中设置,因为这将最大限度地减少质粒和其他测序库的污染。为良好做法,可以包括无模板阴性控制,以帮助监测PCR污染。
鉴于这些数据集的大小和多样性,从屏幕转换排序读取的数据分析是一项非同寻常的任务。序列读取已对齐并规范化后,可以使用多种生物信息工具来帮助评估屏幕性能(图 3)和命中识别(图 4)。本协议将BAGEL描述为数据分析的关键工具。BAGEL使用贝叶斯框架将已知基本和非必需基因集的分布与针对基因的所有指南的对数折变化进行比较。在哈特等人3中详细介绍了这种方法。除了 BAGEL 之外,还可以使用其他算法来识别富集和耗尽的 sgRNA,例如 MAGeCK25。对于药物屏幕,建议使用药物Z算法来识别协同效应和抑制作用的化学遗传相互作用。药物Z旨在比较在治疗人群中的sgRNA的相对丰度与未处理人群中的sgRNA的相对丰度在同一时间点20。
CRISPR屏幕的一个限制是Cas9并不总是导致淘汰,因为总是有可能,产生的indels是帧内突变,保持基因功能完好无损13。这导致混合人口,使屏幕"嘈杂"和数据解释具有挑战性。使用针对基因的多个独立sgRNA可以建立冗余,减少低活性的sgRNA效应。CRISPR研究的另一个警告是Cas9核酸酶产生的双链断裂的影响,这可能导致细胞杀伤性,而不受被攻击基因的影响。这种抗增殖效应随着目标位点拷贝数的增加而增加,导致在高度扩增区域26中基因的假阳性识别。像CERES这样的计算方法已经开发,以纠正复制数效果27。这些工作流考虑复制数效应,以估计基于敲除的本质屏幕中的基因依赖性级别。仔细检查被放大区域命中基因的基因组位置有助于确定由于切割效果的多样性而导致的假阳性13。主屏幕只能识别潜在的点击。重要的是用辅助屏幕或协议来验证命中效果,并区分目标效果和脱靶效果,清除误报,并确保因无效扰动而得分较弱的基因不会作为假基因被抛在后面。负片23.
该协议侧重于基于生存能力的筛选方法,其中研究条件应导致细胞增殖缺陷或死亡。对于不会导致细胞活力变化的过程,基于可行性的集中筛查方法可能受到限制。另一种方法是使用报告器或基于标记的测定进行屏幕检测,并通过荧光活化细胞分拣 (FACS) 方法进行浓缩。在基于标记的选择屏幕中,表型基于调节标记基因表达的突变,而不是细胞健康13,23。阵列CRISPR格式也可用于每口井一基因筛选。阵列格式更适用于复杂或基于显微镜的读出。然而,阵列格式需要自动化设备和大量的试剂28。
此处讨论的筛选协议使用S. pyogenes Cas9 核酸酶来创建空等位基因,这是基因屏幕使用最广泛的部分位基因,并且有许多库可供使用(Addgene:池化库)。也可以选择淘汰库,使用催化死dCas9系在染色质修饰蛋白上抑制(CRISPRi)或激活(CRISPRa)基因转录。与RNAi类似,CRISPRi提供研究不同基因剂量和基本基因的型型效应的能力,这些基因不能容忍完全的敲除,而CRISPRa可用于执行功能增益屏幕。每种技术都有其优点,但总体而言,CRISPR 淘汰方法最为发达。事实证明,与使用CRISPRi和shRNA5的击倒方法相比,它具有低噪声、最小离靶效果和实验一致性,特别是在基于杀伤性的基本基因屏幕中表现良好。尽管CRISPR筛选技术迄今为止具有广泛的适用性,但仍处于早期阶段。正在继续从CRISPR的基本组件构建新的工具。其中包括可针对多个基因组位点的组合基因编辑策略、正交Cas酶的优化,以及染色质功能域的修改,以分散Cas9活动。随着CRISPR技术的不断发展,其与基因筛选方法的耦合将成为遗传学功能发现的强大平台。
Subscription Required. Please recommend JoVE to your librarian.
Disclosures
作者声明没有相互竞争的经济利益。
Acknowledgments
这项工作得到了加拿大基因组、安大略省研究基金和加拿大卫生研究所(MOP-142375,PJT-148802)的支持。
Materials
Name | Company | Catalog Number | Comments |
0.22 micron filter | |||
30°C plate incubator | |||
37°C shaking incubator | |||
37°C, 5% CO2 incubator | |||
5 M NaCl | Promega | V4221 | |
50X TAE buffer | BioShop | TAE222.4 | |
6 N Hydrochloric acid solution | BioShop | HCL666.500 | |
95% Ethanol | |||
Alamar blue | ThermoFisher Scientific | DAL1025 | |
Blue-light transilluminator | ThermoFisher Scientific | G6600 | |
Bovine Serum Albumin,Heat Shock Isolation, Fraction V. Min. 98%, Biotechnology grade | Bioshop | ALB001.250 | |
Dulbecco's Modification of Eagles Medium | Life Technologies | 11995-065 | Cel culture media |
Electroporation cuvettes | BTX | 45-0134 | |
Electroporator | BTX | 45-0651 | |
Endura electrocompetent cells | Lucigen | 90293 | |
Fetal Bovine Serum | GIBCO | 12483-020 | |
HEK293T packaging cells | ATCC | CRL-3216 | recommend passage number <15 |
Hexadimethrine Bromide (Polybrene) | Sigma | H9268 | Cationic polymer to enhance transduction efficiency |
Hexadimethrine Bromide (Polybrene) | |||
LB agar plates with carbenicillin | |||
LB medium with carbenicillin | |||
Low molecular weight DNA ladder | New England Biolabs | N3233S | |
Nanodrop spectrophotometer | ThermoFisher Scientific | ND-ONE-W | |
NEBNext Ultra II Q5 Master Mix | New England Biolabs | M0544L | |
Opti-MEM | Life Technologies | 31985-070 | Reduced serum media |
Plasmid maxi purification kit | Qiagen | 12963 | |
pMD2.G (envelope plasmid) | Addgene | Plasmid #12259 | lentiviral system |
psPAX2 (packaging plasmid) | Addgene | Plasmid #12260 | lentiviral system |
Puromycin | Wisent | 400-160-UG | |
QIAquick gel extraction kit | Qiagen | 28704 | |
Qubit dsDNA BR assay | ThermoFisher Scientific | Q32853 | |
Qubit fluorometer | ThermoFisher Scientific | Q33226 | |
RNAse A | Invitrogen | 12091021 | |
S.O.C recovery medium | Invitrogen | 15544034 | |
SYRB Safe DNA gel stain | ThermoFisher Scientific | S33102 | |
Toronto KnockOut CRIPSR library (TKOv3) - Cas9 included | Addgene | Addgene ID #90203 | Genome-wide CRISPR library , includes Cas9, 71,090 sgRNA |
Toronto KnockOut CRIPSR library (TKOv3) - non-cas9 | Addgene | Addgene ID #125517 | Genome-wide CRISPR library, non-Cas9, 71,090 sgRNA |
Tris-EDTA (TE) solution, pH8.0 | |||
UltraPure agarose | ThermoFisher Scientific | 16500500 | |
Wizard genomic DNA purification kit | Promega | A1120 | |
X-tremeGENE 9 DNA transfection reagent | Roche | 06 365 809 001 | Lipid based transfection reagent |
References
- Jiang, F., Doudna, J. A.
CRISPR-Cas9 Structures and Mechanisms. Annual Review of Biophysics. 46, 505-529 (2017). - Baliou, S., et al. CRISPR therapeutic tools for complex genetic disorders and cancer (Review). International Journal of Oncology. 53 (2), 443-468 (2018).
- Hart, T., et al. High-Resolution CRISPR Screens Reveal Fitness Genes and Genotype-Specific Cancer Liabilities. Cell. 163 (6), 1515-1526 (2015).
- Morgens, D. W., Deans, R. M., Li, A., Bassik, M. C. Systematic comparison of CRISPR/Cas9 and RNAi screens for essential genes. Nature Biotechnology. 34 (6), 634-636 (2016).
- Evers, B., et al. CRISPR knock-out screening outperforms shRNA and CRISPRi in identifying essential genes. Nature Biotechnology. 34 (6), 631-633 (2016).
- Miles, L. A., Garippa, R. J., Poirier, J. T. Design, execution, and analysis of pooled in vitro CRISPR/Cas9 screens. The FEBS Journal. 283 (17), 3170-3180 (2016).
- Wang, T., Wei, J. J., Sabatini, D. M., Lander, E. S. Genetic screens in human cells using the CRISPR-Cas9 system. Science. 343 (6166), 80-84 (2014).
- Wang, T., et al. Identification and characterization of essential genes in the human genome. Science. 350 (6264), 1096-1101 (2015).
- Sanson, K. R., et al. Optimized libraries for CRISPR-Cas9 genetic screens with multiple modalities. Nature Communications. 9 (1), 5416 (2018).
- Hart, T., et al. Evaluation and Design of Genome-Wide CRISPR/SpCas9 Knock-out Screens. G3: Genes|Genomes|Genetics. 7 (8), 2719-2727 (2017).
- Mair, B., Tomic, J., et al. Essential gene profiles for human pluripotent stem cells identify uncharacterized genes and substrate dependencies. Cell Reports. 27 (2), 599-615 (2019).
- Shalem, O., et al. Genome-scale CRISPR-Cas9 knock-out screening in human cells. Science. 343 (6166), 84-87 (2014).
- Sharma, S., Petsalaki, E. Application of CRISPR-Cas9 Based Genome-Wide Screening Approaches to Study Cellular Signalling Mechanisms. International Journal of Molecular Sciences. 19 (4), (2018).
- Steinhart, Z., et al. Genome-wide CRISPR screens reveal a Wnt-FZD5 signaling circuit as a druggable vulnerability of RNF43-mutant pancreatic tumors. Nature Medicine. 23 (1), 60-68 (2017).
- Wang, T., et al. Gene Essentiality Profiling Reveals Gene Networks and Synthetic Lethal Interactions with Oncogenic Ras. Cell. 168 (5), 890-903 (2017).
- Zimmermann, M., et al. CRISPR screens identify genomic ribonucleotides as a source of PARP-trapping lesions. Nature. 559 (7713), 285-289 (2018).
- Deans, R. M., et al. Parallel shRNA and CRISPR-Cas9 screens enable antiviral drug target identification. Nature Chemical Biology. 12 (5), 361-366 (2016).
- Trinh, T. J. J., Bloom, F., Hirsch, V. STBL2: an Escherichia coli strain for the stable propagation of retroviral clones and direct repeat sequences. Focus. 16, 78-80 (1994).
- Hart, T., Moffat, J. BAGEL: a computational framework for identifying essential genes from pooled library screens. BMC Bioinformatics. 17, 164 (2016).
- Wang, G. Z. M., et al. Identifying drug-gene interactions from CRISPR knock-out screens with drugZ. bioRxiv. , Available from: https://doi.org/10.1101/232736 (2017).
- Pedregosa, F. V., G,, et al.
Scikit-learn: Machine Learning in Python. Journal of Machine Learning Research. 12, 2825-2830 (2011). - Ketela, T., et al. A comprehensive platform for highly multiplexed mammalian functional genetic screens. BMC Genomics. 12, 213 (2011).
- Doench, J. G. Am I ready for CRISPR? A user's guide to genetic screens. Nature Review Genetics. 19 (2), 67-80 (2018).
- Hartenian, E., Doench, J. G. Genetic screens and functional genomics using CRISPR/Cas9 technology. FEBS Journal. 282 (8), 1383-1393 (2015).
- Li, W., et al. MAGeCK enables robust identification of essential genes from genome-scale CRISPR/Cas9 knock-out screens. Genome Biology. 15 (12), 554 (2014).
- Sheel, A., Xue, W. Genomic Amplifications Cause False Positives in CRISPR Screens. Cancer Discovery. 6 (8), 824-826 (2016).
- Meyers, R. M., et al. Computational correction of copy number effect improves specificity of CRISPR-Cas9 essentiality screens in cancer cells. Nature Genetics. 49 (12), 1779-1784 (2017).
- Henser-Brownhill, T., Monserrat, J., Scaffidi, P. Generation of an arrayed CRISPR-Cas9 library targeting epigenetic regulators: from high-content screens to in vivo assays. Epigenetics. 12 (12), 1065-1075 (2017).