The aberrant upregulation of exon 10-inclusive SREK1 through SRSF10 acts as an oncogenic driver in human hepatocellular carcinoma
Notice bibliographique
Résumé
Abstract Deregulation of alternative splicing is implicated as a relevant source of molecular heterogeneity in cancer. However, the targets and intrinsic mechanisms of splicing in hepatocarcinogenesis are largely unknown. Here, we report a functional impact of a Splicing Regulatory Glutamine/Lysine-Rich Protein 1 (SREK1) variant and its regulator, Serine/arginine-rich splicing factor 10 (SRSF10). HCC patients with poor prognosis express higher levels of exon 10-inclusive SREK1 (SREK1 L ). SREK1 L can sustain BLOC1S5-TXNDC5 (B-T) expression, a targeted gene of nonsense-mediated mRNA decay through inhibiting exon-exon junction complex binding with B-T to exert its oncogenic role. B-T plays its competing endogenous RNA role by inhibiting miR-30c-5p and miR-30e-5p, and further promoting the expression of downstream oncogenic targets SRSF10 and TXNDC5. Interestingly, SRSF10 can act as a splicing regulator for SREK1 L to promote hepatocarcinogenesis via the formation of a SRSF10-associated complex. In summary, we demonstrate a SRSF10/SREK1 L /B-T signalling loop to accelerate the hepatocarcinogenesis.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».