The essentiality landscape of cell cycle related genes in human pluripotent and cancer cells
Notice bibliographique
Résumé
Abstract Background Cell cycle regulation is a complex system consisting of growth-promoting and growth-restricting mechanisms, whose coordinated activity is vital for proper division and propagation. Alterations in this regulation may lead to uncontrolled proliferation and genomic instability, triggering carcinogenesis. Here, we conducted a comprehensive bioinformatic analysis of cell cycle-related genes using data from CRISPR/Cas9 loss-of-function screens performed in four cancer cell lines and in human embryonic stem cells (hESCs). Results Cell cycle genes, and in particular S phase and checkpoint genes, are highly essential for the growth of cancer and pluripotent cells. However, checkpoint genes are also found to underlie the differences between the cell cycle features of these cell types. Interestingly, while growth-promoting cell cycle genes overlap considerably between cancer and stem cells, growth-restricting cell cycle genes are completely distinct. Moreover, growth-restricting genes are consistently less frequent in cancer cells than in hESCs. Here we show that most of these genes are regulated by the tumor suppressor gene TP53 , which is mutated in most cancer cells. Therefore, the growth-restriction system in cancer cells lacks important factors and does not function properly. Intriguingly, M phase genes are specifically essential for the growth of hESCs and are highly abundant among hESC-enriched genes. Conclusions Our results highlight the differences in cell cycle regulation between cell types and emphasize the importance of conducting cell cycle studies in cells with intact genomes, in order to obtain an authentic representation of the genetic features of the cell cycle.
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 ».