MétaCan
Menu
← Retour à la cohorte
Enregistrement W3165591107 · doi:10.1101/2021.05.26.445839

DYNLL1 mis-splicing is associated with replicative genome instability in SF3B1 mutant cells

2021· preprint· en· W3165591107 sur OpenAlexafffund
Annie Tam, Shuhe Tsai, Emily Yun‐Chia Chang, Veena Mathew, Alynn Shanks, T. Roderick Docking, Arun Kumar, Delphine Bernard, Aly Karsan, Peter C. Stirling

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British ColumbiaBC Cancer Agency
Organismes subventionnairesBC Cancer FoundationCanadian Institutes of Health ResearchGenome British ColumbiaMichael Smith Health Research BC
Mots-clésGenome instabilityGeneGenomeChromosome instabilityMutantAlternative splicingBiologyGeneticsRNA splicingDNA replicationDNACell biologyDNA damageRNAMessenger RNA

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Genome instability is a hallmark of cancer that arises through a panoply of mechanisms driven by oncogene and tumour-suppressor gene mutations. Oncogenic mutations in the core splicing factor SF3B1 have been linked to genome instability. Since SF3B1 mutations alter the selection of thousands of 3’ splice sites affecting genes across biological pathways, it is not entirely clear how they might drive genome instability. Here we confirm that while R-loop formation and associated replication stress may account for some of the SF3B1-mutant genome instability, a mechanism involving changes in gene expression also contributes. An SF3B1-H662Q mutant cell line mis-splices the 5’UTR of the DNA repair regulator DYNLL1, leading to higher DYNLL1 protein levels, mis-regulation of DNA repair pathway choice and PARP inhibitor sensitivity. Reduction of DYNLL1 protein in these cells restores genome stability. Together these data highlight how SF3B1 mutations can alter cancer hallmarks through subtle changes to the transcriptome.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,231
Écart entre enseignants0,219 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetRNA Research and Splicing→Travaux en français237 207→