p53 Pre- and Post-Binding Event Theories Revisited: Stresses Reveal Specific and Dynamic p53-Binding Patterns on the <i>p21</i> Gene Promoter
Notice bibliographique
Résumé
p53 is a master transcription factor that prevents neoplasia and genomic instability. It is an important target for anticancer drug design. Understanding the molecular mechanisms behind its transcriptional activities in normal cells is a prerequisite to further understand the deregulation effected by mutant p53 in cancerous cells. Currently, how p53 coordinates transcription programs in response to stress remains unclear. One theory proposes that stresses induce pre-binding events that direct p53 to bind to specific response elements, whereas a second posits that, in response to stress, p53 binds most response elements and post-binding events then regulate transcription initiation. It is critical to establish the relevance of both theories and investigate whether stresses induce specific p53-binding patterns correlated with effector gene induction. Using unique in cellulo genomic footprinting experiments, we studied p53 binding to the five response elements of p21 in response to stresses and monitored p21 mRNA variant transcription. We show clear footprints of p53 bound to response elements in living cells and reveal that the binding of p53 to response elements is transient, subject to dynamic changes during stress responses, and influenced by response element pentamer orientations. We show further that stresses lead to specific p53-binding patterns correlated with particular p21 mRNA variant transcription profiles and that p53 binding is necessary but not sufficient to induce p21 transcription. Our results indicate that pre- and post-binding events act together to regulate adapted stress responses; this paves the way to the unification of pre- and post-binding event theories.
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 | 0,001 |
| 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 ».