Abstract A29: Hypoxia regulated long noncoding RNAs and antisense transcripts in breast cancer: Novel insights of noncoding transcriptional regulation in hypoxic microenvironment
Notice bibliographique
Résumé
Abstract Tumour hypoxia is a common feature of tumour microenvironment and contributes to an aggressive phenotype across multiple types of cancers. Hypoxia-inducible factor (HIF) is a key element regulating expression of hundreds of coding and non-coding RNAs, which act to both improve oxygen delivery and to reduce cellular demand of oxygen. We performed a comprehensive analysis on hypoxic transcription landscape and epigenetic markers of transcriptional activation in MCF-7 breast cancer cells under hypoxia using next generation sequencing. Analyses revealed that all classes of non-coding RNA are profoundly regulated by hypoxia including piwiRNA, miRNA, tRNA, and sn/snoRNA. Analysis revealed downregulation of snRNAs and tRNAs in hypoxia, whereas miRNAs, antisense transcripts and lncRNAs are globally upregulated in hypoxia. Many novel natural antisense transcripts are induced under hypoxia and their expression is dependent on HIF. Hypoxia-induced natural antisense transcripts are associated with both induction and repression in cis. Moreover, large numbers of lncRNAs are found overexpressed under hypoxia and are associated with HIF binding and elevated level of RNApol2 and H3K4me3, suggesting direct transcriptional regulation of lncRNAs by HIF. Among the most hypoxia induced lncRNA was NEAT1, which is a direct transcriptional target of HIF-2α. We confirmed the hypoxic NEAT1 upregulation in a number of breast cancer cell lines and in tumour xenografts models treated with bevacizumab. Hypoxia induced NEAT1 directly increase the formation of nuclear paraspeckles bodies. Moreover, hypoxic induction of NEAT1 contributes to increase cell proliferation, cell survival, and inhibit apoptosis. Furthermore, we found that NEAT1 is required to retain hypoxia induced hyper edited Junctional Adhesion Molecule A (JAM-A) mRNA in nucleus to inhibit its translation. Finally, in a large breast cancers cohort, high expression of NEAT1 is linked with poor prognosis and with different clinicopathological features. Our results extend knowledge of the hypoxic transcriptional response into the spectrum of non-coding transcripts. These findings provide novel mechanisms of transcriptional regulation in hypoxic tumours through non-coding RNAs and open new avenues to find novel pathways and targets to develop therapies for breast cancer. Citation Format: Hani Choudhry, Ashwag Albukhari, Matteo Morotti, Syed Haider, Daniela Moralli, Johannes Schödel, Catherine Green, Carme Camps, Francesca Buffa, Peter Ratcliffe, Ioannis Ragoussis, David Mole, Adrian Harris. Hypoxia regulated long noncoding RNAs and antisense transcripts in breast cancer: Novel insights of noncoding transcriptional regulation in hypoxic microenvironment. [abstract]. In: Proceedings of the AACR Special Conference on Noncoding RNAs and Cancer: Mechanisms to Medicines ; 2015 Dec 4-7; Boston, MA. Philadelphia (PA): AACR; Cancer Res 2016;76(6 Suppl):Abstract nr A29.
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 | 0,000 | 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) | 0,002 | 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 ».