文献解读-CRISPR-Cas9 generated Pompe knock-in murine model exhibits early-onset hypertrophic cardiomyopa

关键词:IOPD;基因编辑技术;生信分析服务;


文献介绍

  • 标题(英文):CRISPR-Cas9 generated Pompe knock-in murine model exhibits early-onset hypertrophic cardiomyopathy and skeletal muscle weakness

  • 标题(中文):CRISPR-Cas9 生成的庞贝敲入小鼠模型表现出早发性肥厚型心肌病和骨骼肌无力

  • 发表期刊:scientific reports

  • 作者单位:加州大学圣地亚哥分校等

  • 发表年份:2020

  • 文章地址:https://doi.org/10.1038/s41598-020-65259-8

图1  文献介绍

婴儿型庞贝病(IOPD)由溶酶体酸性α-葡萄糖苷酶(Gaa)基因突变引起,表现为进展迅速的致命性心脏和骨骼肌病,静脉输注合成GAA治疗效果不完全。目前可用的小鼠模型仅表现为骨骼肌病和晚发性肥厚型心肌病,尚未能完全模拟人类IOPD。

因此,研究团队通过CRISPR-Cas9基因编辑技术构建更接近人类的IOPD模型。使用C2C12细胞系和不同基因型的小鼠模型作为研究样本,包括8只通过同系繁殖的野生型(WT)、12只G1代杂交的杂合子(HET)、5只G2代自交的纯合子(KI)以及3只作为对照组,已有Gaa tm1Rabn/J小鼠(KO)。研究采用创新性的双sgRNA策略实现了Gaa基因c.1826位点的精准编辑,并通过分子生物学表征、生化分析、功能评估和病理学观察等多维度方法进行了全面验证。


测序流程

在基因数据分析过程中,研究团队使用Sentieon进行数据预处理、去除重复序列、对插入和缺失位点进行重新比对、并使用GVCFtyper进行SNV检测;

图2  Sentieon的作用

Sentieon提供一站式定制化的基因组数据分析服务,涵盖从比对到变异检测全流程;Sentieon高度优化的算法和企业级的软件工程,能够显著提升NGS数据处理的效率、准确性和可靠性。Sentieon与开源软件结果一致性达到99%以上的同时,在速度和精准度方面都优于开源,能更快更精确地将变异检测结果交付到您的手上。

双sgRNA策略在C2C12细胞中达到41.0%的靶向编辑活性和12.6%的HDR效率,显著优于单一sgRNA策略。构建的Gaac.1826dupA敲入C2C12细胞系表现出GAA转录本水平降低96%,酶活性完全缺失,并出现明显的糖原积累。

图3  Gaac.1826dupA C2C12克隆细胞系的构建

(A) 靶向Gaac.1826位点的引导RNA序列。

(B) 对照(Gaawt)和克隆敲入(Gaac.1826dupA) C2C12肌母细胞基因组DNA在Gaac.1826位点的Sanger测序图谱。

(C) 对照(Gaawt)和克隆敲入(Gaac.1826dupA) C2C12肌母细胞的过碘酸-雪夫氏(PAS)染色。

(D) (左图)Gaawt和Gaac.1826dupA C2C12肌母细胞中的Gaa mRNA表达。(右图)Gaawt和Gaac.1826dupA C2C12肌母细胞中的GAA酶活性。

该策略应用于小鼠胚胎获得了66.7%的靶向编辑活性和25%的HDR效率。全基因组测序显示G0创始小鼠中Gaac.1826dupA突变的整合率为63%,未检测到明显脱靶。经过两代育种获得纯合Gaac.1826dupA敲入小鼠。

图4  Gaac.1826dupA敲入转基因小鼠系的构建

(A) 靶向Gaac.1826位点的双重重叠引导RNA方法。箭头方向表示引导RNA是正义(右)还是反义(左)。原间隔基序(PAM; NGG)以与引导RNA箭头相对应的颜色突出显示。

(B) 用于Gaac.1826dupA敲入突变靶向整合的单链供体寡核苷酸(ssODN)序列。

(C) 从嵌合CRISPR生成的创始小鼠分离Gaac.1826dupA敲入等位基因以产生纯合Gaac.1826dupA敲入小鼠的交配方案谱系图。

(D) 对照(Gaawt)、创始(GaaMosaic)、杂合(Gaawt/c.1826dupA)和纯合敲入(Gaac.1826dupA)小鼠的测序图谱。

(E) G0创始(GaaMosaic)和G1杂合(Gaawt/c.1826dupA)小鼠Gaac.1826位点的WGS靶向分析。

(F) 用于WGS脱靶筛选的与Gaac.1826 gRNA-2&3最相似的5个脱靶序列列表。

转基因小鼠表现出显著的分子和生化改变:KI小鼠Gaa转录本水平较野生型降低75%,心脏、横膈膜和腓肠肌的GAA酶活性分别降低97%、96%和98%。这些组织中糖原含量分别增加185倍、108倍和28倍。自噬标志物LC3B-I在心脏和腓肠肌分别增加2.3倍和3.6倍,LC3B-II增加3.2倍和4.8倍。

图5  Gaac.1826dupA敲入小鼠显示GAA表达和酶活性降低

(A) 3周龄Gaawt(WT)、Gaawt/c.1826dupA(HET)、Gaac.1826dupA(KI)和Gaatm1Rabn(KO)小鼠尾部活检中的Gaa mRNA表达。

(B) 各基因型小鼠心脏、横膈膜和腓肠肌中的GAA酶活性。

(C) 使用比色法测定各组小鼠心脏、横膈膜和腓肠肌中的糖原水平。

图6  Gaac.1826dupA敲入小鼠表现出自噬障碍的标志物

(A)LC3B-I和(B)LC3B-II在以下小鼠的心脏、横膈膜和腓肠肌中的蛋白表达:Gaawt(WT, n=4)、Gaawt/c.1826dupA(HET, n=4)、Gaac.1826dupA(KI, n=4)、Gaatm1Rabn(KO, n=3)

数据以相对于WT表达的倍数差异报告,来自两次独立实验。统计分析采用单向ANOVA和Tukey事后检验(*p<0.05, **p<0.01, ***p<0.001, ****p<0.0001)。

(C)各组小鼠心脏、横膈膜和腓肠肌中LC3B-II与总LC3B的比值,数据来自两次独立实验。统计分析同上(*p<0.05, **p<0.01)。

KI小鼠出现心肌病变和肌无力症状,超声心动图显示心室间隔增厚,左心室功能异常。组织病理学检查发现心脏和骨骼肌中存在大量PAS阳性物质沉积,肌纤维结构异常。这些特征与人类庞贝病的临床表现高度一致,验证了该模型在治疗策略评估中的应用价值。

图7  Gaac.1826dupA敲入小鼠显示左心室肥厚的解剖特征

(A)3月龄WT、HET和KI小鼠的代表性超声心动图。黄色箭头示室间隔直径(IVSd),红色箭头示左心室后壁直径(LVPWd)。

(B)3月龄小鼠测量结果:Gaawt(WT, n=27)、Gaawt/c.1826dupA(HET, n=12)、Gaac.1826dupA(KI, n=13)

相比WT和HET小鼠,KI小鼠的IVSd、LVPWd和LV质量指数显著增加,这些都是左心室肥厚的解剖学标志。统计分析采用单向ANOVA和Tukey事后检验(*p<0.05, ****p<0.0001)。

图8  Gaac.1826dupA敲入小鼠心脏和骨骼肌中显示异常糖原累积

展示3月龄WT和KI小鼠经PAS染色和苏木精复染的固定组织切片代表性图像。组织经4% PFA心脏灌注后收集,心脏和横膈膜横切,腓肠肌纵切。使用EVOS M5000成像系统在20倍物镜下以RGB模式拍摄。箭头指示糖原累积区域。

Sentieon 软件团队拥有丰富的软件开发及算法优化工程经验,致力于解决生物数据分析中的速度与准确度瓶颈,为来自于分子诊断、药物研发、临床医疗、人群队列、动植物等多个领域的合作伙伴提供高效精准的软件解决方案,共同推动基因技术的发展。

截至 2023 年 3 月份,Sentieon 已经在全球范围内为 1300+用户提供服务,被世界一级影响因子刊物如 NEJM、Cell、Nature 等广泛引用,引用次数超过 700 篇。此外,Sentieon 连续数年摘得了 Precision FDA、Dream Challenges 等多个权威评比的桂冠,在业内获得广泛认可。


文献讨论

图9  文献讨论

新开发的Gaac.1826dupA KI小鼠模型携带与人类IOPD患者同源的Gaa突变,这使其在基因型上更接近人类疾病特征。相比之下,旧的Gaatm1Rabn/J KO小鼠模型并不具备这种遗传同源性,限制了其在基因组靶向治疗研究中的应用。

在疾病进展上,新模型展现出更早期的表型特征,特别是在3个月龄时就能观察到心脏肥大的现象。而旧模型需要等到约8个月龄时才能观察到类似症状,这种延迟限制了其在早期干预研究中的应用价值。从临床应用角度来看,新模型更适合用于评估基因组校正和靶向治疗策略。

但研究仅关注单一突变位点和短期表型分析,缺乏对疾病进展的长期观察和深入的分子机制探讨。


总结

研究首次利用CRISPR-Cas9技术构建携带与人类致病突变同源(Gaa c.1826dupA)的庞贝病小鼠模型,更精准模拟人类IOPD的病理特征,为疾病机制研究和个性化治疗策略开发提供了重要工具。

本指南详细阐述基于Python编程语言结合OpenCV计算机视觉库构建实时眼部状态分析系统的技术流程。该系统能够准确识别眼部区域,并对眨眼动作与持续闭眼状态进行判别。OpenCV作为功能强大的图像处理工具库,配合Python简洁的语法特性与丰富的第三方模块支持,为开发此类视觉应用提供了理想环境。 在环境配置阶段,除基础Python运行环境外,还需安装OpenCV核心模块与dlib机器学习库。dlib库内置的HOG(方向梯度直方图)特征检测算法在面部特征定位方面表现卓越。 技术实现包含以下关键环节: - 面部区域检测:采用预训练的Haar级联分类器或HOG特征检测器完成初始人脸定位,为后续眼部分析建立基础坐标系 - 眼部精确定位:基于已识别的人脸区域,运用dlib提供的面部特征点预测模型准确标定双眼位置坐标 - 眼睑轮廓分析:通过OpenCV的轮廓提取算法精确勾勒眼睑边缘形态,为状态判别提供几何特征依据 - 眨眼动作识别:通过连续帧序列分析眼睑开合度变化,建立动态阈值模型判断瞬时闭合动作 - 持续闭眼检测:设定更严格的状态持续时间与闭合程度双重标准,准确识别长时间闭眼行为 - 实时处理架构:构建视频流处理管线,通过帧捕获、特征分析、状态判断的循环流程实现实时监控 完整的技术文档应包含模块化代码实现、依赖库安装指引、参数调优指南及常见问题解决方案。示例代码需具备完整的错误处理机制与性能优化建议,涵盖图像预处理、光照补偿等实际应用中的关键技术点。 掌握该技术体系不仅有助于深入理解计算机视觉原理,更为疲劳驾驶预警、医疗监护等实际应用场景提供了可靠的技术基础。后续优化方向可包括多模态特征融合、深度学习模型集成等进阶研究领域。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
本项目是一个基于STM32的人脸识别系统,利用OPENCV库进行图像处理,采用QT作为图形界面开发。该系统具备人脸采集、图片训练、数据库管理及人脸识别等功能,能够长时间稳定运行,并提供了统一的接口以便进行二次开发。 功能特点 人脸采集:系统能够从视频图像中采集人脸数据。 图片训练:通过提取人脸特征进行训练,提高识别准确性。 数据库管理:管理人脸数据,便于后续的识别和处理。 人脸识别:实现对人脸的检测与识别,适用于多种应用场景。 技术原理 本系统采用基于OPENCV的级联分类检测器,通过视频图像提取人脸特征进行训练。主要技术包括: 光线补偿技术:对图像进行补光处理,提高图像质量。 高斯平滑技术:消除图像噪声,提升图像清晰度。 二值化技术:采用局部阈值进行二值化处理,便于后续的人脸定位和特征提取。 应用场景 人脸识别技术在图像处理与视频检索、视频监控、视频显示等方面具有广泛的应用。本系统适用于以下场景: 安全监控:在公共场所进行人脸识别,提高安全监控效率。 身份验证:用于门禁系统、考勤系统等身份验证场景。 智能交互:在智能家居、智能终端等设备中实现人脸识别交互。 开发环境 硬件平台:STM32微控制器 软件平台:OPENCV库、QT图形界面开发工具 使用说明 环境搭建:确保STM32开发环境及OPENCV、QT库已正确安装。 代码编译:按照提供的Makefile文件进行代码编译。 系统运行:将编译后的程序烧录到STM32开发板,启动系统。 功能测试:通过QT界面进行人脸采集、训练和识别功能测试。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值