The p53 protein induces stable miRNAs that have the potential to modify subsequent p53 responses
Notice bibliographique
Résumé
The p53 tumour suppressor is a transcription factor that can increase the expression of mRNAs and microRNAs (miRNAs). HT29-tsp53 cells expressing a temperature sensitive variant of p53 have provided a useful model to rapidly and reversibly control p53 activity. In this model, the majority of p53-responsive mRNAs were upregulated rapidly but they were short-lived leading to rapid decay of the p53 response at the restrictive temperature. Here we used oligonucleotide microarrays and reverse transcriptase PCR to show that p53-induced miRNAs exhibited a distinct temporal pattern of expression. Whereas p53-induced miRNAs like miR-143-3p, miR-145-5p, miR-34a-5p and miR-139-5p increased as fast as mRNAs, they were extremely stable persisting long after p53 induced mRNAs and even their corresponding primary miRNAs had decayed to baseline levels. Three p53-induced mRNAs (MDM2, BTG2 and CDKN1A) are experimentally verified targets of one or more of these specific miRNAs so we hypothesized that the sustained expression of p53-induced miRNAs could be explained by a post-transcriptional feedback loop. Activation of consecutive p53 responses separated by a period of recovery led to the selective attenuation of a subset of p53 regulated mRNAs corresponding to those targeted by one or more of the p53-responsive miRNAs. Our results indicate that the long term expression of p53 responsive miRNAs leads to an excess of miRNAs during the second response and this likely prevents the induction of MDM2, BTG2 and CDKN1A mRNA and/or protein. These observations are likely to have important implications for daily cancer therapies that activate p53 in normal tissues and/or tumour cells.
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 | 0,001 | 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 ».