Identification of p53 Activators in a Human Microarray Compendium
Notice bibliographique
Résumé
Biomarkers predictive of molecular and toxicological effects are needed to interpret emerging high-throughput transcriptomic data streams. The previously characterized 63 gene TGx-DDI biomarker that includes 20 genes known to be regulated by p53 was previously shown to accurately predict DNA damage in chemically treated cells. We comprehensively evaluated whether the molecular basis of the DDI predictions was based on a p53-dependent response. The biomarker was compared to microarray data in a compendium derived from human cells using the Running Fisher test, a nonparametric correlation test. Using the biomarker, we identified conditions that led to p53 activation, including exposure to the chemical nutlin-3 which disrupts interactions between p53 and the negative regulator MDM2 or by knockdown of MDM2. The expression of most of the genes in the biomarker (75%) were found to depend on p53 activation status based on gene behavior after TP53 overexpression or knockdown. The biomarker identified DDI chemicals that were strong inducers of p53 in wild-type cells; these p53 responses were decreased or abolished in cells after p53 knockdown by siRNAs. Using the biomarker, we screened ∼1950 chemicals in ∼9800 human cell line chemical vs control comparisons and identified ∼100 chemicals that caused p53 activation. Among the positive chemicals were many that are known to activate p53 through direct and indirect DNA damaging mechanisms. These results contribute to the evidence that the TGx-DDI biomarker is useful for identifying chemicals that cause DDI and activate p53.
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 | 0,000 | 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 ».