Optimization of C-to-G base editors with sequence context preference predictable by machine learning methods
C->G transversions can be highly desirable editing outcomes. Here the authors optimise CGBEs and provide a deep learning model for predicting editing outcomes based on sequence context.
Guardado en:
| Autores principales: | , , , , , , , , , , , , , , , , |
|---|---|
| Formato: | article |
| Lenguaje: | EN |
| Publicado: |
Nature Portfolio
2021
|
| Materias: | |
| Acceso en línea: | https://doaj.org/article/84852509bdb0448faac72ae929a50ecc |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Sea el primero en dejar un comentario!