Genome-wide CRISPR screens identify novel regulators of wild-type and mutant p53 stability
Notice bibliographique
Résumé
Abstract Tumour suppressor p53 ( TP53 ) is the most frequently mutated gene in cancer. Several hotspot p53 mutants not only lose tumour suppressive capabilities, but also function in a dominant-negative manner, suppressing canonical wild-type p53 function. Furthermore, some hotspot p53 mutants promote oncogenesis by gain-of-function mechanisms. Levels of p53 are regulated predominantly through regulation of protein stability and while wild-type p53 is normally kept at very low levels at steady-state, p53 mutants are often stabilized in tumours, which may be vital for their oncogenic properties. Here, we systematically profiled the factors that regulate protein stability of wild-type and mutant p53 using marker-based genome-wide CRISPR screens. We found that most proteins that regulate wild-type p53 also regulate a subset of p53 mutants with the exception of p53 R337H regulators, which are largely private to this mutant. Mechanistically, we identified FBXO42 as a novel positive regulator of a subset of p53 mutants comprising R273H, R248Q and R248W. We show that FBXO42 acts together with CCDC6 to regulate USP28-mediated p53 stabilization. Our work also identifies C16orf72 as a negative regulator of the stability of wild-type p53 and of all p53 mutants tested. C16orf72 is amplified in breast cancer, and we show that C16orf72 regulates p53 levels in mammary epithelium of mice and its overexpression results in accelerated breast cancer with reduced p53 levels. Together, this work provides a network view of the processes that regulate p53 stability, which might provide clues for reinforcing wild-type p53 or targeting mutant p53 in cancer.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».