Regulation of Human Growth Hormone Receptor Expression by MicroRNAs
Notice bibliographique
Résumé
Human GH binds to its receptor (GHR) on target cells and activates multiple intracellular pathways, leading to changes in gene expression, differentiation, and metabolism. GHR deficiency is associated with growth and metabolic disorders whereas increased GHR expression has been reported in certain cancers, suggesting that the GHR gene requires tight controls. Several regulatory mechanisms have been found within its 5'-untranslated region (UTR) promoter and coding regions. However, the 3'-UTR has not been previously examined. MicroRNAs (miRNAs) are small (19-22 nucleotides) noncoding RNAs that downregulate gene expression mainly through targeting the 3'-UTR of mRNAs and enhancing their degradation or inhibiting translation. In the present study, we investigated whether miRNAs regulate GHR expression. To define putative miRNA binding sites in the GHR 3'-UTR, we used multiple in silico prediction tools, analyzed conservation across species and the presence of parallel sites in GH/IGF axis-related genes, and searched for reports linking miRNAs to GHR-related physiological or pathophysiological activities. To test prioritized sites, we cotransfected a wild-type GHR 3'-UTR luciferase reporter vector as well as miRNA binding site mutants into HEK293 cells with miRNA mimics. Furthermore, we tested whether the miRNAs altered endogenous GHR mRNA and protein levels in HEK293 cells and in 2 cancer cell lines (MCF7 and LNCaP). Our experiments have identified miRNA (miR)-129-5p, miR-142-3p, miR-202, and miR-16 as potent inhibitors of human GHR expression in normal (HEK293) and cancer (MCF7 and LNCaP) cells. This study paves the way for the development of miRNA inhibitors as therapeutic agents in GH/GHR-related pathophysiologies, including cancer.
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 ».