Functional analysis of natural <scp>PCSK</scp>9 mutants in modern and archaic humans
Notice bibliographique
Résumé
PCSK9 is the last member of the proprotein convertases (PCs) family and its gene is mutated in ~ 2% to 3% of individuals with familial hypercholesterolemia (FH). This protein enhances the degradation of the low-density lipoprotein receptor (LDLR) and hence increases the levels of circulating LDL-cholesterol (LDLc). Studies of the underlying mechanism(s) regulating the activity of different mutations in the PCSK9 gene are ongoing as they enhance our understanding of the biology and clinical relevance of PCSK9 and its partners. In an attempt to unravel the regulation of PCSK9 transcription and possibly identify mutation 'hot spot' regions with alterations in CpG methylation, we present for the first time the complete methylome profile of the PCSK9 gene in modern and archaic humanoids. Our data showed that the genomes of modern humans and archaic PCSK9 exhibit a similar methylation pattern. Next, we defined the mechanistic consequences of three PCSK9 natural mutations (PCSK9-R96L, -R105W, and -P174S) and one archaic Denisovan mutation (PCSK9-H449L) using various complementary cellular and in vitro binding assays. Our results showed that the PCSK9-H449L is a loss-of-function (LOF) mutation, likely due to its lower binding affinity to the LDLR. Similarly, PCSK9-R96L and -R105W are LOF mutations, even though they have been identified in FH patients. The PCSK9-R105W mutation leads to a significantly lower autocatalytic processing of proPCSK9. PCSK9-P174S resulted in a LOF in both extracellular and intracellular pathways. In conclusion, our extensive analyses revealed that all studied mutations result in PCSK9 LOF, via various mechanisms, leading to lower levels of LDLc.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,000 | 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 ».