STAT1 gain-of-function heterozygous cell models reveal diverse interferon-signature gene transcriptional responses
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Signal transducer and activator of transcription 1 (STAT1) gain-of-function (GOF) is an autosomal dominant immune disorder marked by wide infectious predisposition, autoimmunity, vascular disease, and malignancy. Its molecular hallmark, elevated phospho-STAT1 (pSTAT1) following interferon (IFN) stimulation, is seen consistently in all patients and may not fully account for the broad phenotypic spectrum associated with this disorder. While over 100 mutations have been implicated in STAT1 GOF, genotype-phenotype correlation remains limited, and current overexpression models may be of limited use in gene expression studies. We generated heterozygous mutants in diploid HAP1 cells using CRISPR/Cas9 base-editing, targeting the endogenous STAT1 gene. Our models recapitulated the molecular phenotype of elevated pSTAT1, and were used to characterize the expression of five IFN-stimulated genes under a number of conditions. At baseline, transcriptional polarization was evident among mutants compared with wild type, and this was maintained following prolonged serum starvation. This suggests a possible role for unphosphorylated STAT1 in the pathogenesis of STAT1 GOF. Following stimulation with IFNα or IFNγ, differential patterns of gene expression emerged among mutants, including both gain and loss of transcriptional function. This work highlights the importance of modeling heterozygous conditions, and in particular transcription factor-related disorders, in a manner which accurately reflects patient genotype and molecular signature. Furthermore, we propose a complex and multifactorial transcriptional profile associated with various STAT1 mutations, adding to global efforts in establishing STAT1 GOF genotype-phenotype correlation and enhancing our understanding of disease pathogenesis.
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.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle