MétaCan
Menu
Retour à la cohorte
Enregistrement W4220922822 · doi:10.1126/sciadv.abj6526

HSF2 cooperates with HSF1 to drive a transcriptional program critical for the malignant state

2022· article· en· W4220922822 sur OpenAlexaff
Roger S. Smith, Seesha Takagishi, David R. Amici, Kyle Metz, Sitaram Gayatri, Milad J. Alasady, Yaqi Wu, Sonia Brockway, Stephanie L. Taiberg, Natalia Khalatyan, Mikko Taipale, Sandro Santagata, Luke Whitesell, Susan Lindquist, Jeffrey N. Savas, Marc L. Mendillo

Notice bibliographique

RevueScience Advances · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHeat shock proteins research
Établissements canadiensUniversity of TorontoCanadian Institute for Advanced Research
Organismes subventionnairesNational Institute of General Medical SciencesNational Cancer InstituteU.S. Department of Veterans Affairs
Mots-clésHSF1Heat shock factorHeat shockHeat shock proteinBiologyChromatinCarcinogenesisCancer researchTranscriptomeMalignancyGeneCell biologyGeneticsGene expressionHsp70

Résumé

récupéré en direct d'OpenAlex

Heat shock factor 1 (HSF1) is well known for its role in the heat shock response (HSR), where it drives a transcriptional program comprising heat shock protein (HSP) genes, and in tumorigenesis, where it drives a program comprising HSPs and many noncanonical target genes that support malignancy. Here, we find that HSF2, an HSF1 paralog with no substantial role in the HSR, physically and functionally interacts with HSF1 across diverse types of cancer. HSF1 and HSF2 have notably similar chromatin occupancy and regulate a common set of genes that include both HSPs and noncanonical transcriptional targets with roles critical in supporting malignancy. Loss of either HSF1 or HSF2 results in a dysregulated response to nutrient stresses in vitro and reduced tumor progression in cancer cell line xenografts. Together, these findings establish HSF2 as a critical cofactor of HSF1 in driving a cancer cell transcriptional program to support the anabolic malignant state.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,381
Score d'incertitude au seuil0,708

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,353
Écart entre enseignants0,336 · 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 tête enseignante, 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

Citations35
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetHeat shock proteins researchTravaux en français237 207