Computational Analysis of Transcriptional Regulation Sites at the <i>HTT</i> Gene Locus
Notice bibliographique
Résumé
BACKGROUND: Huntington's disease is a late onset neurological disorder caused by a trinucleotide CAG repeat expansion mutation in the HTT gene encoding for the protein huntingtin. Despite considerable ongoing research, the wild-type function of huntingtin is not yet fully understood. OBJECTIVE: To improve knowledge of HTT gene regulation at the transcriptional level and inform future studies aimed at uncovering the HTT gene's normal function. METHODS: The HTT gene region was functionally characterized through an in silico analysis using publicly available data sets. ChIP-seq data sets and the online STRING database were used to identify putative transcription factor binding sites (TFBSs) and protein-protein interactions within the HTT promoter region. siRNA-mediated knockdown and ChIP-qPCR of STAT1, a TF identified from the in silico analysis, were used to validate the bioinformatics screen. RESULTS: 16 regions containing potential regulatory genomic markers were identified. TFBSs for 59 transcription factors (TFs) were detected in one or more of the 16 candidate regions. Using these TFs, 15 clusters of protein-protein interactions were identified using STRING. siRNA-mediated knockdown of STAT1 resulted in an increase in HTT expression, and ChIP-qPCR detected enrichment of STAT1 binding at one of the predicted regions. These assays confirmed the utility of the bioinformatic analysis. CONCLUSIONS: Putative regulatory regions outside of the immediate HTT promoter region have been identified with specific protein-protein interactions. Future work will focus on in vitro and in vivo studies to examine the effect of modulating identified TFBSs and altering the levels of specific TFs of interest in regulating HTT gene expression.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,001 | 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 ».