Principles governing A-to-I RNA editing in the breast cancer transcriptome
Notice bibliographique
Résumé
ABSTRACT A-to-I editing substitutes inosines for adenosines at specific positions in mRNAs and can substantially alter a cell’s transcriptome. Currently, little is known about how RNA editing operates in cancer. Transcriptome analysis of 68 normal and cancerous breast tissues revealed that the editing enzyme ADAR acts uniformly, on the same loci, across tissues. Controlled ADAR expression experiments demonstrated that the editing frequency at all loci is proportional to both ADAR expression levels and the individual locus’ editability—a propensity to be edited determined by the surrounding nucleotide sequence. Comparison of tumor transcriptomes to those of normal breast and breast organoids, i.e. pure normal breast epithelial cells, demonstrated that the editing frequency is increased in tumor cells. This was consistent with ADAR immunohistochemistry. We also demonstrated that type I interferon response and ADAR DNA copy number explain together 53% of ADAR expression in breast cancers, an observation also valid in nearly all of 20 other cancer types in The Cancer Genome Atlas. Interferon exposure increased ADAR mRNA, protein expression and editing in four breast cell lines. Finally, ADAR silencing using shRNA lentivirus transduction in breast cancer cell lines led to more cell proliferation and less apoptosis. Our results reveal that A-to-I editing is a pervasive, yet reproducible, source of variation that is controlled by two factors, 1q amplification and inflammation, both highly prevalent among human cancers. This suggests the potential for a new class of therapeutic targets and an unexpected role for inflammation in cancers.
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 | 0,001 | 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 ».