Investigating the functional implications of reinforcing feedback loops in transcriptional regulatory networks
Notice bibliographique
Résumé
Transcription factors (TFs) and microRNAs (miRNAs) can jointly regulate transcriptional networks in the form of recurrent circuits or motifs. A motif can be divided into a feedforward loop (FFL) and a feedback loop (FBL). Incoherent FFLs have been the recent focus due to their potential to dampen gene expression noise in maintaining physiological norms. However, a cell is not only able to manage noise but also able to exploit it during development or tumorigenesis to initiate radical transformation such as cell differentiation or metastasis. A plausible mechanism may involve reinforcing FBLs (rFBLs), which amplify changes to a sufficient level in order to complete the state transition. To study the behaviour of rFBLs, we developed a novel theoretical framework based on biochemical kinetics. The proposed rFBL follows a parsimonious design, involving two TFs and two miRNAs. A simulation study based on our model suggested that a system with rFBLs is robust to only a certain level of fluctuation but prone to a complete paradigm shift when the change exceeds a threshold level. To investigate the natural occurrence of rFBLs, we performed a rigorous network motif analysis using a recently available TF/miRNA regulatory network from the Encyclopedia of DNA Elements (ENCODE). Our analysis suggested that the rFBL is significantly depleted in the observed network. Nonetheless, we identified 9 rFBL instances. Among them, we found a double-rFBL involving three TFs SUZ12/BCLAF1/ZBTB33 and three miRNAs miR-9/19a/129-5p, which together serve as an intriguing toggle switch between nerve development and telomere maintenance. Additionally, we investigated the interactions implicated in the rFBLs using expression profiles of cancer patients from The Cancer Genome Atlas (TCGA). Together, we provided a novel and comprehensive view of the profound impacts of rFBLs and highlighted several TFs and miRNAs as the leverage points for potential therapeutic targets in cancers due to their eminent roles in the identified rFBLs.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».