Pterostilbene Changes Epigenetic Marks at Enhancer Regions of Oncogenes in Breast Cancer Cells
Notice bibliographique
Résumé
Epigenetic aberrations are linked to sporadic breast cancer. Interestingly, certain dietary polyphenols with anti-cancer effects, such as pterostilbene (PTS), have been shown to regulate gene expression by altering epigenetic patterns. Our group has proposed the involvement of DNA methylation and DNA methyltransferase 3B (DNMT3B) as vital players in PTS-mediated suppression of candidate oncogenes and suggested a role of enhancers as target regions. In the present study, we assess a genome-wide impact of PTS on epigenetic marks at enhancers in highly invasive MCF10CA1a breast cancer cells. Following chromatin immunoprecipitation (ChIP)-sequencing in MCF10CA1a cells treated with 7 μM PTS for 9 days, we discovered that PTS leads to increased binding of DNMT3B at enhancers of 77 genes, and 17 of those genes display an overlapping decrease in the occupancy of trimethylation at lysine 36 of histone 3 (H3K36me3), a mark of active enhancers. We selected two genes, PITPNC1 and LINC00910, and found that their enhancers are hypermethylated in response to PTS. These changes coincided with the downregulation of gene expression. Of importance, we showed that 6 out of 17 target enhancers, including PITPNC1 and LINC00910, are bound by an oncogenic transcription factor OCT1 in MCF10CA1a cells. Indeed, the six enhancers corresponded to genes with established or putative cancer-driving functions. PTS led to a decrease in OCT1 binding at those enhancers, and OCT1 depletion resulted in PITPNC1 and LINC00910 downregulation, further demonstrating a role for OCT1 in transcriptional regulation. Our findings provide novel evidence for the epigenetic regulation of enhancer regions by dietary polyphenols in breast cancer cells.
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 ».