RITA requires eIF2α-dependent modulation of mRNA translation for its anti-cancer activity
Notice bibliographique
Résumé
Tumor protein 53 (p53, encoded by the TP53 gene) is a key tumor suppressor regulating cell fates in response to internal and external stresses. As TP53 is mutated or silenced in a majority of tumors, reactivation of p53 by small molecules represents a promising strategy in cancer therapeutics. One such agent is RITA (reactivation of p53 and induction of tumor cell apoptosis), which restores p53 expression in cells with hyperactive HDM2 and induces apoptosis. Yet, mechanisms underlying the anticancer activity of RITA are incompletely understood. Here we show that RITA suppresses mRNA translation independently of p53 by inducing eIF2α phosphorylation. Surprisingly, reactivation of p53 following RITA treatment is critically dependent on eIF2α phosphorylation. Moreover, inhibition of eIF2α phosphorylation attenuates pro-apoptotic and anti-neoplastic effects of RITA, while inducing phosphorylation of eIF2α enhances the anticancer activity of RITA. Collectively, these findings demonstrate that the translational machinery plays a major role in determining the antineoplastic activity of RITA, and suggest that combining p53 activators and translation modulators may be beneficial.
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 ».