Compounds that correct F508del-CFTR trafficking can also correct other protein trafficking diseases: an in vitro study using cell lines
Notice bibliographique
Résumé
BACKGROUND: Many genetic diseases are due to defects in protein trafficking where the mutant protein is recognized by the quality control systems, retained in the endoplasmic reticulum (ER), and degraded by the proteasome. In many cases, the mutant protein retains function if it can be trafficked to its proper cellular location. We have identified structurally diverse correctors that restore the trafficking and function of the most common mutation causing cystic fibrosis, F508del-CFTR. Most of these correctors do not act directly as ligands of CFTR, but indirectly on other pathways to promote folding and correction. We hypothesize that these proteostasis regulators may also correct other protein trafficking diseases. METHODS: To test our hypothesis, we used stable cell lines or transient transfection to express 2 well-studied trafficking disease mutations in each of 3 different proteins: the arginine-vasopressin receptor 2 (AVPR2, also known as V2R), the human ether-a-go-go-related gene (KCNH2, also known as hERG), and finally the sulfonylurea receptor 1 (ABCC8, also known as SUR1). We treated cells expressing these mutant proteins with 9 structurally diverse F508del-CFTR correctors that function through different cellular mechanisms and assessed whether correction occurred via immunoblotting and functional assays. Results were deemed significantly different from controls by a one-way ANOVA (p < 0.05). RESULTS: Here we show that F508del-CFTR correctors RDR1, KM60 and KM57 also correct some mutant alleles of other protein trafficking diseases. We also show that one corrector, the cardiac glycoside ouabain, was found to alter the glycosylation of all mutant alleles tested. CONCLUSIONS: Correctors of F508del-CFTR trafficking might have broader applications to other protein trafficking diseases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».