eIF2α Kinase PKR Modulates the Hypoxic Response by Stat3-Dependent Transcriptional Suppression of HIF-1α
Notice bibliographique
Résumé
Hypoxia within the tumor microenvironment promotes angiogenesis, metabolic reprogramming, and tumor progression. In addition to activating hypoxia-inducible factor-1α (HIF-1α), cells also respond to hypoxia by globally inhibiting protein synthesis via serine 51 phosphorylation of translation eukaryotic initiation factor 2α (eIF2α). In this study, we investigated potential roles for stress-activated eIF2α kinases in regulation of HIF-1α. Our investigations revealed that the double-stranded RNA-dependent protein kinase R (PKR) plays a significant role in suppressing HIF-1α expression, acting specifically at the level of transcription. HIF-1α transcriptional repression by PKR was sufficient to impair the hypoxia-induced accumulation of HIF-1α and transcriptional induction of HIF-1α-dependent target genes. Inhibition of HIF-1A transcription by PKR was independent of eIF2α phosphorylation but dependent on inhibition of the signal transducer and activator of transcription 3 (Stat3). Furthermore, HIF-1A repression required the T-cell protein tyrosine phosphatase, which acts downstream of PKR, to suppress Stat3. Our findings reveal a novel tumor suppressor function for PKR, which inhibits HIF-1α expression through Stat3 but is independent of eIF2α phosphorylation.
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 | 0,000 |
| 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 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 ».