Targeting the bHLH Transcriptional Networks by Mutated E Proteins in Experimental Glioma
Notice bibliographique
Résumé
Glioblastomas (GB) are aggressive primary brain tumors. Helix-loop-helix (HLH, ID proteins) and basic HLH (bHLH, e.g., Olig2) proteins are transcription factors that regulate stem cell proliferation and differentiation throughout development and into adulthood. Their convergence on many oncogenic signaling pathways combined with the observation that their overexpression in GB correlates with poor clinical outcome identifies these transcription factors as promising therapeutic targets. Important dimerization partners of HLH/bHLH proteins are E proteins that are necessary for nuclear translocation and DNA binding. Here, we overexpressed a wild type or a dominant negative form of E47 (dnE47) that lacks its nuclear localization signal thus preventing nuclear translocation of bHLH proteins in long-term glioma cell lines and in glioma-initiating cell lines and analyzed the effects in vitro and in vivo. While overexpression of E47 was sufficient to induce apoptosis in absence of bHLH proteins, dnE47 was necessary to prevent nuclear translocation of Olig2 and to achieve similar proapoptotic responses. Transcriptional analyses revealed downregulation of the antiapoptotic gene BCL2L1 and the proproliferative gene CDC25A as underlying mechanisms. Overexpression of dnE47 in glioma-initiating cell lines with high HLH and bHLH protein levels reduced sphere formation capacities and expression levels of Nestin, BCL2L1, and CDC25A. Finally, the in vivo induction of dnE47 expression in established xenografts prolonged survival. In conclusion, our data introduce a novel approach to jointly neutralize HLH and bHLH transcriptional networks activities, and identify these transcription factors as potential targets in glioma.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».