The Oncogenic Roles of DICER1 RNase IIIb Domain Mutations in Ovarian Sertoli-Leydig Cell Tumors
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
DICER1, an endoribonuclease required for microRNA (miRNA) biogenesis, is essential for embryogenesis and the development of many organs including ovaries. We have recently identified somatic hotspot mutations in RNase IIIb domain of DICER1 in half of ovarian Sertoli-Leydig cell tumors, a rare class of sex-cord stromal cell tumors in young women. These hotspot mutations lost IIIb cleavage activity of DICER1 in vitro and failed to produce 5p-derived miRNAs in mouse Dicer1-null ES cells. However, the oncogenic potential of these hotspot DICER1 mutations has not been studied. Here, we further revealed that the global expression of 5p-derived miRNAs was dramatically reduced in ovarian Sertoli-Leydig cell tumors carrying DICER1 hotspot mutations compared with those without DICER1 hotspot mutation. The miRNA production defect was associated with the deregulation of genes controlling cell proliferation and the cell fate. Using an immortalized human granulosa cell line, SVOG3e, we determined that the D1709N-DICER1 hotspot mutation failed to produce 5p-derived miRNAs, deregulated the expression of several genes that control gonadal differentiation and cell proliferation, and promoted cell growth. Re-expression of let-7 significantly inhibited the growth of D1709N-DICER1 SVOG3e cells, accompanied by the suppression of key regulators of cell cycle control and ovarian gonad differentiation. Taken together, our data revealed that DICER1 hotspot mutations cause systemic loss of 5p-miRNAs that can both drive pseudodifferentiation of testicular elements and cause oncogenic transformation in the ovary.
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.
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 | 0,000 | 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 découle