Functional genomics identifies new synergistic therapies for retinoblastoma
Notice bibliographique
Résumé
Abstract Local intravitreal or intra-arterial chemotherapy has improved therapeutic success for the pediatric cancer retinoblastoma (RB), but toxicity remains a major caveat. RB initiates primarily with RB1 loss or, rarely, MYCN amplification, but the critical downstream networks are incompletely understood. We set out to uncover perturbed molecular hubs, identify synergistic drug combinations to target these vulnerabilities, and expose and overcome drug resistance. We applied dynamic transcriptomic analysis to identify network hubs perturbed in RB versus normal fetal retina, and performed in vivo RNAi screens in RB1 null and RB1 wt ; MYCN amp orthotopic xenografts to pinpoint essential hubs. We employed in vitro and in vivo studies to validate hits, define mechanism, develop new therapeutic modalities, and understand drug resistance. We identified BRCA1 and RAD51 as essential for RB cell survival. Their oncogenic activity was independent of BRCA1 functions in centrosome, heterochromatin, or ROS regulation, and instead linked to DNA repair. RAD51 depletion or inhibition with the small molecule inhibitor, B02, killed RB cells in a Chk1/Chk2/p53-dependent manner. B02 further synergized with clinically relevant topotecan (TPT) to engage this pathway, activating p53–BAX mediated killing of RB but not human retinal progenitor cells. Paradoxically, a B02/TPT-resistant tumor exhibited more DNA damage than sensitive RB cells. Resistance reflected dominance of the p53–p21 axis, which mediated cell cycle arrest instead of death. Deleting p21 or applying the BCL2/BCL2L1 inhibitor Navitoclax re-engaged the p53–BAX axis, and synergized with B02, TPT or both to override resistance. These data expose new synergistic therapies to trigger p53-induced killing in diverse RB subtypes.
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 ».