Genome-wide analysis of the p53 gene regulatory network in the developing mouse kidney
Notice bibliographique
Résumé
Despite mounting evidence that p53 senses and responds to physiological cues in vivo, existing knowledge regarding p53 function and target genes is largely derived from studies in cancer or stressed cells. Herein we utilize p53 transcriptome and ChIP-Seq (chromatin immunoprecipitation-high throughput sequencing) analyses to identify p53 regulated pathways in the embryonic kidney, an organ that develops via mesenchymal-epithelial interactions. This integrated approach allowed identification of novel genes that are possible direct p53 targets during kidney development. We find the p53-regulated transcriptome in the embryonic kidney is largely composed of genes regulating developmental, morphogenesis, and metabolic pathways. Surprisingly, genes in cell cycle and apoptosis pathways account for <5% of differentially expressed transcripts. Of 7,893 p53-occupied genomic regions (peaks), the vast majority contain consensus p53 binding sites. Interestingly, 78% of p53 peaks in the developing kidney lie within proximal promoters of annotated genes compared with 7% in a representative cancer cell line; 25% of the differentially expressed p53-bound genes are present in nephron progenitors and nascent nephrons, including key transcriptional regulators, components of Fgf, Wnt, Bmp, and Notch pathways, and ciliogenesis genes. The results indicate widespread p53 binding to the genome in vivo and context-dependent differences in the p53 regulon between cancer, stress, and development. To our knowledge, this is the first comprehensive analysis of the p53 transcriptome and cistrome in a developing mammalian organ, substantiating the role of p53 as a bona fide developmental regulator. We conclude p53 targets transcriptional networks regulating nephrogenesis and cellular metabolism during kidney development.
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 ».