Targeting the MTF2–MDM2 Axis Sensitizes Refractory Acute Myeloid Leukemia to Chemotherapy
Notice bibliographique
Résumé
Abstract Deep sequencing has revealed that epigenetic modifiers are the most mutated genes in acute myeloid leukemia (AML). Thus, elucidating epigenetic dysregulation in AML is crucial to understand disease mechanisms. Here, we demonstrate that metal response element binding transcription factor 2/polycomblike 2 (MTF2/PCL2) plays a fundamental role in the polycomb repressive complex 2 (PRC2) and that its loss elicits an altered epigenetic state underlying refractory AML. Unbiased systems analyses identified the loss of MTF2–PRC2 repression of MDM2 as central to, and therefore a biomarker for, refractory AML. Thus, immature MTF2-deficient CD34+CD38− cells overexpress MDM2, thereby inhibiting p53 that leads to chemoresistance due to defects in cell-cycle regulation and apoptosis. Targeting this dysregulated signaling pathway by MTF2 overexpression or MDM2 inhibitors sensitized refractory patient leukemic cells to induction chemotherapeutics and prevented relapse in AML patient-derived xenograft mice. Therefore, we have uncovered a direct epigenetic mechanism by which MTF2 functions as a tumor suppressor required for AML chemotherapeutic sensitivity and identified a potential therapeutic strategy to treat refractory AML. Significance: MTF2 deficiency predicts refractory AML at diagnosis. MTF2 represses MDM2 in hematopoietic cells and its loss in AML results in chemoresistance. Inhibiting p53 degradation by overexpressing MTF2 in vitro or by using MDM2 inhibitors in vivo sensitizes MTF2-deficient refractory AML cells to a standard induction-chemotherapy regimen. Cancer Discov; 8(11); 1376–89. ©2018 AACR. See related commentary by Duy and Melnick, p. 1348. This article is highlighted in the In This Issue feature, p. 1333
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 | 0,001 |
| 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 | 0,001 |
| 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 ».