CM
Cameron Myhrvold
Author with expertise in Clustered Regularly Interspaced Short Palindromic Repeats and CRISPR-associated proteins
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
22
(77% Open Access)
Cited by:
6,183
h-index:
22
/
i10-index:
27
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Massively multiplexed nucleic acid detection with Cas13

Cheri Ackerman et al.Apr 29, 2020
Abstract The great majority of globally circulating pathogens go undetected, undermining patient care and hindering outbreak preparedness and response. To enable routine surveillance and comprehensive diagnostic applications, there is a need for detection technologies that can scale to test many samples 1–3 while simultaneously testing for many pathogens 4–6 . Here, we develop Combinatorial Arrayed Reactions for Multiplexed Evaluation of Nucleic acids (CARMEN), a platform for scalable, multiplexed pathogen detection. In the CARMEN platform, nanolitre droplets containing CRISPR-based nucleic acid detection reagents 7 self-organize in a microwell array 8 to pair with droplets of amplified samples, testing each sample against each CRISPR RNA (crRNA) in replicate. The combination of CARMEN and Cas13 detection (CARMEN–Cas13) enables robust testing of more than 4,500 crRNA–target pairs on a single array. Using CARMEN–Cas13, we developed a multiplexed assay that simultaneously differentiates all 169 human-associated viruses with at least 10 published genome sequences and rapidly incorporated an additional crRNA to detect the causative agent of the 2020 COVID-19 pandemic. CARMEN–Cas13 further enables comprehensive subtyping of influenza A strains and multiplexed identification of dozens of HIV drug-resistance mutations. The intrinsic multiplexing and throughput capabilities of CARMEN make it practical to scale, as miniaturization decreases reagent cost per test by more than 300-fold. Scalable, highly multiplexed CRISPR-based nucleic acid detection shifts diagnostic and surveillance efforts from targeted testing of high-priority samples to comprehensive testing of large sample sets, greatly benefiting patients and public health 9–11 .
0
Citation569
0
Save
0

Programmable self-assembly of three-dimensional nanostructures from 10,000 unique components

Luvena Ong et al.Dec 6, 2017
DNA bricks with binding domains of 13 nucleotides instead of the typical 8 make it possible to self-assemble gigadalton-scale, three-dimensional nanostructures consisting of tens of thousands of unique components. DNA self-assembly is widely used to produce nanoscale structures of ever increasing complexity. The largest structures that can be assembled reliably contain hundreds of individual DNA strands. Peng Yin and colleagues now show that a new generation of DNA bricks—short DNA strands that fold into brick-like shapes and self-assemble according to specific inter-brick interactions—makes it possible to assemble large DNA nanostructures containing a few tens of thousands of individual bricks. One structure, consisting of 10,000 bricks and having 20,000 uniquely addressable 'nano-voxels'—the three-dimensional equivalents of pixels—is used as a molecular analogue of clay to sculpt three-dimensional objects such as letters, a complex helicoid (a shape similar to a spiral staircase) and a teddy bear. With further optimization, the method might produce even larger assemblies that could find use as scaffolds or for positioning functional components. Three related papers is this issue report further advances in DNA origami, and all four are summarized in a News & Views. Nucleic acids (DNA and RNA) are widely used to construct nanometre-scale structures with ever increasing complexity1,2,3,4,5,6,7,8,9,10,11,12,13,14, with possible application in fields such as structural biology, biophysics, synthetic biology and photonics. The nanostructures are formed through one-pot self-assembly, with early kilodalton-scale examples containing typically tens of unique DNA strands. The introduction of DNA origami4, which uses many staple strands to fold one long scaffold strand into a desired structure, has provided access to megadalton-scale nanostructures that contain hundreds of unique DNA strands6,7,10,11,12,13,14. Even larger DNA origami structures are possible15,16, but manufacturing and manipulating an increasingly long scaffold strand remains a challenge. An alternative and more readily scalable approach involves the assembly of DNA bricks, which each consist of four short binding domains arranged so that the bricks can interlock8,9. This approach does not require a scaffold; instead, the short DNA brick strands self-assemble according to specific inter-brick interactions. First-generation bricks used to create three-dimensional structures are 32 nucleotides long, consisting of four eight-nucleotide binding domains. Protocols have been designed to direct the assembly of hundreds of distinct bricks into well formed structures, but attempts to create larger structures have encountered practical challenges and had limited success9. Here we show that DNA bricks with longer, 13-nucleotide binding domains make it possible to self-assemble 0.1–1-gigadalton, three-dimensional nanostructures from tens of thousands of unique components, including a 0.5-gigadalton cuboid containing about 30,000 unique bricks and a 1-gigadalton rotationally symmetric tetramer. We also assembled a cuboid that contains around 10,000 bricks and about 20,000 uniquely addressable, 13-base-pair ‘voxels’ that serves as a molecular canvas for three-dimensional sculpting. Complex, user-prescribed, three-dimensional cavities can be produced within this molecular canvas, enabling the creation of shapes such as letters, a helicoid and a teddy bear. We anticipate that with further optimization of structure design, strand synthesis and assembly procedure even larger structures could be accessible, which could be useful for applications such as positioning functional components.
0
Paper
Citation354
0
Save
0

Diverse and robust molecular algorithms using reprogrammable DNA self-assembly

Damien Woods et al.Mar 1, 2019
Molecular biology provides an inspiring proof-of-principle that chemical systems can store and process information to direct molecular activities such as the fabrication of complex structures from molecular components. To develop information-based chemistry as a technology for programming matter to function in ways not seen in biological systems, it is necessary to understand how molecular interactions can encode and execute algorithms. The self-assembly of relatively simple units into complex products1 is particularly well suited for such investigations. Theory that combines mathematical tiling and statistical-mechanical models of molecular crystallization has shown that algorithmic behaviour can be embedded within molecular self-assembly processes2,3, and this has been experimentally demonstrated using DNA nanotechnology4 with up to 22 tile types5-11. However, many information technologies exhibit a complexity threshold-such as the minimum transistor count needed for a general-purpose computer-beyond which the power of a reprogrammable system increases qualitatively, and it has been unclear whether the biophysics of DNA self-assembly allows that threshold to be exceeded. Here we report the design and experimental validation of a DNA tile set that contains 355 single-stranded tiles and can, through simple tile selection, be reprogrammed to implement a wide variety of 6-bit algorithms. We use this set to construct 21 circuits that execute algorithms including copying, sorting, recognizing palindromes and multiples of 3, random walking, obtaining an unbiased choice from a biased random source, electing a leader, simulating cellular automata, generating deterministic and randomized patterns, and counting to 63, with an overall per-tile error rate of less than 1 in 3,000. These findings suggest that molecular self-assembly could be a reliable algorithmic component within programmable chemical systems. The development of molecular machines that are reprogrammable-at a high level of abstraction and thus without requiring knowledge of the underlying physics-will establish a creative space in which molecular programmers can flourish.
0
Citation244
0
Save
34

Designing viral diagnostics with model-based optimization

Hayden Metsky et al.Nov 28, 2020
Abstract Diagnostics, particularly for rapidly evolving viruses, stand to benefit from a principled, measurement-driven design that harnesses machine learning and vast genomic data—yet the capability for such design has not been previously built. Here, we develop and extensively validate an approach to designing viral diagnostics that applies a learned model within a combinatorial optimization framework. Concentrating on CRISPR-based diagnostics, we screen a library of 19,209 diagnostic–target pairs and train a deep neural network that predicts, from RNA sequence alone, diagnostic signal better than contemporary techniques. Our model then makes it possible to design assays that are maximally sensitive over the spectrum of a virus’s genomic variation. We introduce ADAPT ( https://adapt.guide ), a system for fully-automated design, and use ADAPT to design optimal diagnostics for the 1,933 vertebrate-infecting viral species within 2 hours for most species and 24 hours for all but 3. We experimentally show ADAPT’s designs are sensitive and specific down to the lineage level, including against viruses that pose challenges involving genomic variation and specificity. ADAPT’s designs exhibit significantly higher fluorescence and permit lower limits of detection, across a virus’s entire variation, than the outputs of standard design techniques. Our model-based optimization strategy has applications broadly to viral nucleic acid diagnostics and other sequence-based technologies, and, paired with clinical validation, could enable a critically-needed, proactive resource of assays for surveilling and responding to pathogens.
34
Citation11
0
Save
Load More