A genome-wide microRNA screen identifies regulators of tetraploid cell proliferation
Notice bibliographique
Résumé
Tetraploid cells, which are most commonly generated by errors in cell division, are genomically unstable and have been shown to promote tumorigenesis. Recent genomic studies have estimated that ∼40% of all solid tumors have undergone a genome-doubling event during their evolution, suggesting a significant role for tetraploidy in driving the development of human cancers. To safeguard against the deleterious effects of tetraploidy, nontransformed cells that fail mitosis and become tetraploid activate both the Hippo and p53 tumor suppressor pathways to restrain further proliferation. Tetraploid cells must therefore overcome these antiproliferative barriers to ultimately drive tumor development. However, the genetic routes through which spontaneously arising tetraploid cells adapt to regain proliferative capacity remain poorly characterized. Here, we conducted a comprehensive gain-of-function genome-wide screen to identify microRNAs (miRNAs) that are sufficient to promote the proliferation of tetraploid cells. Our screen identified 23 miRNAs whose overexpression significantly promotes tetraploid proliferation. The vast majority of these miRNAs facilitate tetraploid growth by enhancing mitogenic signaling pathways (e.g., miR-191-3p); however, we also identified several miRNAs that impair the p53/p21 pathway (e.g., miR-523-3p), and a single miRNA (miR-24-3p) that potently inactivates the Hippo pathway via down-regulation of the tumor suppressor gene NF2. Collectively, our data reveal several avenues through which tetraploid cells may regain the proliferative capacity necessary to drive tumorigenesis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».