Response to histone deacetylase inhibition of novel PML/RARα mutants detected in retinoic acid–resistant APL cells
Notice bibliographique
Résumé
Resistance to all-trans retinoic acid (ATRA) remains a clinical problem in the treatment of acute promyelocytic leukemia (APL) and provides a model for the development of novel therapies. Molecular alterations in the ligand-binding domain (LBD) of the PML/RARalpha fusion gene that characterizes APL constitute one mechanism of acquired resistance to ATRA. We identified missense mutations in PML/RARalpha from an additional ATRA-resistant patient at relapse and in a novel ATRA-resistant cell line, NB4-MRA1. These cause altered binding to ligand and transcriptional coregulators, leading to a dominant-negative block of transcription. These mutations are in regions of the LBD that appear to be mutational hot spots occurring repeatedly in ATRA-resistant APL patient cells. We evaluated whether histone deacetylase (HDAC) inhibition could overcome the effects of these mutations on ATRA-induced gene expression. Cotreatment with ATRA and TSA restored RARbeta gene expression in NB4-MRA1 cells, whose PML/RARalpha mutation is in helix 12 of the LBD, but not in an APL cell line harboring the patient-derived PML/RARalpha mutation, which was between helix 5 and 6. Furthermore, ATRA combined with TSA increases histone 4 acetylation on the RARbeta promoter only in NB4-MRA1 cells. Consistent with these results, the combined treatment induces differentiation of NB4-MRA1 only. Thus, the ability of an HDAC inhibitor to restore ATRA sensitivity in resistant cells may depend on their specific molecular defects. The variety of PML/RARalpha mutations arising in ATRA-resistant patients begins to explain how APL patients in relapse may differ in response to transcription therapy with HDAC inhibitors.
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 ».