MétaCan
Menu
Retour à la cohorte
Enregistrement W2505767045 · doi:10.1158/1538-7445.am2016-2414

Abstract 2414: ADAR1-dependent RNA editing is a mechanism of therapeutic resistance in human plasma cell malignancies

2016· article· en· W2505767045 sur OpenAlexaff
Elisa Lazzari, Leslie Crews, Christina Wu, Heather Leu, Shawn Ali, Raffaella Chiaramonte, Mark D. Minden, Caitlin Costello, Catriona Jamieson

Notice bibliographique

RevueCancer Research · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA regulation and disease
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésADARPlasma cell leukemiaRNA editingBiologyRNACancer researchStem cellMolecular biologyGeneImmunologyMultiple myelomaGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction Multiple myeloma (MM) is a plasma cell malignancy that accounts for more than 10% of all blood cancers and may progress to plasma cell leukemia (PCL). Despite treatment, virtually all patients become unresponsive to treatment. RNA editing is a post-transcriptional pre-mRNA processing activity that represents an unexplored potential source of clonal molecular heterogeneity contributing to therapeutic resistance. In particular, adenosine deaminase acting on RNA (ADAR) 1, which exists in two isoforms, one constitutive and one inflammation-responsive, has been associated with disease progression and cancer stem cell (CSC) maintenance. The aim of this study was to investigate whether enhanced ADAR1 expression and activity contributed to therapeutic resistance of MM and PCL. Procedures 1) ADAR Quantification: Whole gene and isoform-specific qRT-PCR was used to detect ADAR1 expression in PCL and MM primary samples and in human MM cell lines (HMCL). 2) RNA Editing Detection: We developed a RNA editing site-specific qPCR (RESS-qPCR) assay to detect RNA editing in cancer stem-cell associated transcripts. 3) Therapeutic Resistance Assay. A MM cell line was exposed to lenalidomide continuously in vitro to establish a model of therapeutic resistance. 4) Development of a humanized PCL mouse model: We established novel in vivo PCL primagrafts by intrahepatic transplantation of primary total mononuclear cells into neonatal RAG2-/-gc-/- mice. Results Approximately, 30% of MM patients in the MM Genomic Initiative dataset harbor copy number amplifications of the ADAR locus on chromosome 1q21, which portends a poor prognosis. We observed significantly increased ADAR1 expression in primary PCL samples and aberrant RNA editing of the stem cell transcription factor GLI1 and the DNA cytidine deaminase APOBEC3D. Notably, high-ADAR1-expressing PCL cells successfully engrafted in RAG2-/-gc-/- mice. As the inflammation-responsive isoform of ADAR1 was upregulated in primary samples, we sought to explore the effects of the anti-MM agent and immunomodulatory drug lenalidomide on ADAR1 expression and activity. Continuous in vitro exposure to lenalidomide led to increased ADAR1 mRNA and protein level and a potent induction of RNA editing activity. Increased RNA editing was detected in several cancer and stem cell-associated transcripts, including GLI1, APOBEC3D, AZIN1 and MDM2. Notably, this aberrant RNA editing activity was associated with increased self-renewal capacity in vitro and a cancer stem cell phenotype. Conclusions ADAR1 overexpression and deregulated RNA editing represents a unique source of RNA and proteomic diversity, and may confer a survival and self-renewal advantage to MM cells. This research identifies ADAR1 as a new diagnostic and therapeutic target in MM, and establishes a robust humanized PCL primagraft model for future pre-clinical testing of ADAR1 modulatory agents. Citation Format: Elisa Lazzari, Leslie A. Crews, Christina Wu, Heather Leu, Shawn Ali, Raffaella Chiaramonte, Mark Minden, Caitlin Costello, Catriona H.M. Jamieson. ADAR1-dependent RNA editing is a mechanism of therapeutic resistance in human plasma cell malignancies. [abstract]. In: Proceedings of the 107th Annual Meeting of the American Association for Cancer Research; 2016 Apr 16-20; New Orleans, LA. Philadelphia (PA): AACR; Cancer Res 2016;76(14 Suppl):Abstract nr 2414.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,369

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,348
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetRNA regulation and diseaseTravaux en français237 207