An Evolutionarily Conserved Synthetic Lethal Interaction Network Identifies FEN1 as a Broad-Spectrum Target for Anticancer Therapeutic Development
Notice bibliographique
Résumé
Harnessing genetic differences between cancerous and noncancerous cells offers a strategy for the development of new therapies. Extrapolating from yeast genetic interaction data, we used cultured human cells and siRNA to construct and evaluate a synthetic lethal interaction network comprised of chromosome instability (CIN) genes that are frequently mutated in colorectal cancer. A small number of genes in this network were found to have synthetic lethal interactions with a large number of cancer CIN genes; these genes are thus attractive targets for anticancer therapeutic development. The protein product of one highly connected gene, the flap endonuclease FEN1, was used as a target for small-molecule inhibitor screening using a newly developed fluorescence-based assay for enzyme activity. Thirteen initial hits identified through in vitro biochemical screening were tested in cells, and it was found that two compounds could selectively inhibit the proliferation of cultured cancer cells carrying inactivating mutations in CDC4, a gene frequently mutated in a variety of cancers. Inhibition of flap endonuclease activity was also found to recapitulate a genetic interaction between FEN1 and MRE11A, another gene frequently mutated in colorectal cancers, and to lead to increased endogenous DNA damage. These chemical-genetic interactions in mammalian cells validate evolutionarily conserved synthetic lethal interactions and demonstrate that a cross-species candidate gene approach is successful in identifying small-molecule inhibitors that prove effective in a cell-based cancer model.
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 | 0,000 | 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 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 ».