9p21.3 Coronary Artery Disease Risk Variants Disrupt TEAD Transcription Factor–Dependent Transforming Growth Factor β Regulation of p16 Expression in Human Aortic Smooth Muscle Cells
Notice bibliographique
Résumé
BACKGROUND: The mechanism whereby the 9p21.3 locus confers risk for coronary artery disease remains incompletely understood. Risk alleles are associated with reduced expression of the cell cycle suppressor genes CDKN2A (p16 and p14) and CDKN2B (p15) and increased vascular smooth muscle cell proliferation. We asked whether risk alleles disrupt transcription factor binding to account for this effect. METHODS AND RESULTS: A bioinformatic screen was used to predict which of 59 single nucleotide polymorphisms at the 9p21.3 locus disrupt (or create) transcription factor binding sites. Electrophoretic mobility shift and luciferase reporter assays examined the binding and functionality of the predicted regulatory sequences. Primary human aortic smooth muscle cells (HAoSMCs) were genotyped for 9p21.3, and HAoSMCs homozygous for the risk allele showed reduced p15 and p16 levels and increased proliferation. rs10811656 and rs4977757 disrupted functional TEF-1 TEC1 AbaA domain (TEAD) transcription factor binding sites. TEAD3 and TEAD4 overexpression induced p16 in HAoSMCs homozygous for the nonrisk allele, but not for the risk allele. Transforming growth factor β, known to activate p16 and also to interact with TEAD factors, failed to induce p16 or to inhibit proliferation of HAoSMCs homozygous for the risk allele. Knockdown of TEAD3 blocked transforming growth factor β-induced p16 mRNA and protein expression, and dual knockdown of TEAD3 and TEAD4 markedly reduced p16 expression in heterozygous HAoSMCs. CONCLUSIONS: Here, we identify a novel mechanism whereby sequences at the 9p21.3 risk locus disrupt TEAD factor binding and TEAD3-dependent transforming growth factor β induction of p16 in HAoSMCs. This mechanism accounts, in part, for the 9p21.3 coronary artery disease risk.
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 ».