Characterizing the interaction between insulin-like growth factor 2 mRNA-binding protein 1 (IMP1) and KRAS expression
Notice bibliographique
Résumé
Insulin-like growth factor 2 mRNA-binding protein-1 (IMP1) has high affinity for KRAS mRNA, and it can regulate KRAS expression in cells. We first characterized the molecular interaction between IMP1 and KRAS mRNA. Using IMP1 variants with a point mutation in the GXXG motif at each KH domain, we showed that all KH domains play a critical role in the binding of KRAS RNA. We mapped the IMP1-binding sites on KRAS mRNA and show that IMP1 has the highest affinity for nts 1–185. Although it has lower affinity, IMP1 does bind to other coding regions and the 3′-UTR of KRAS mRNA. Eight antisense oligonucleotides (AONs) were designed against KRAS RNA in the nts 1–185 region, but only two, SM6 and SM7, show potent inhibition of the IMP1–KRAS RNA interaction in vitro. To test the activity of these two AONs in SW480 human colon cancer cells, we used 2′-O-methyl-modified versions of SM6 and SM7 in an attempt to down-regulate KRAS expression. To our surprise, both SM6 and SM7 had no effect on KRAS mRNA and protein expression, but significantly inhibited IMP1 protein expression without altering IMP1 mRNA level. On the other hand, knockdown of IMP1 using siRNA lowered the expression of KRAS. Using Renilla luciferase as a reporter, we found that IMP1 translation is significantly reduced in SM7-treated cells with no change in let-7a levels. The present study shows that the regulation of KRAS expression by IMP1 is complex and may involve both the IMP1 protein and its mRNA transcript.
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 ».