MétaCan
Menu
← Retour à la cohorte
Enregistrement W4296131311 · doi:10.1158/1557-3265.sarcomas22-b021

Abstract B021: Long non-coding RNAs that are required for robust cell growth in ewing Sarcoma

2022· article· en· W4296131311 sur OpenAlexaboutno aff
Marcela C. Briones Martin del Campo, Alex Lee, Max A. Horlbeck, Truc Dinh, Marta Roman-Moreno, Leanne C. Sayles, Bokyung Seong, Kimberly Stegmaier, Luke A. Gilbert, E. Alejandro Sweet‐Cordero

Notice bibliographique

RevueClinical Cancer Research · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBiologySarcomaLong non-coding RNACancer researchEwing's sarcomaCell growthOncogenePhenotypeGAS5FLI1Synovial sarcomaDownregulation and upregulationCellGeneGeneticsCell cycleMedicinePathologyTranscription factor

Résumé

récupéré en direct d'OpenAlex

Abstract While long non-coding RNAs (lncRNAs) are upregulated in many cancers, their role in pediatric cancers is unclear. Among pediatric cancers, Ewing sarcoma is unique in that these tumors show upregulation of a large, specific number of lncRNAs. To perform an unbiased screen of lncRNA function in Ewing sarcoma, we used a pooled CRISPRi screen to identify lncRNAs that modify cell growth. We included in the pooled library lncRNAs either highly expressed in Ewing Sarcoma or directly regulated by the driving oncogene in Ewing Sarcoma, EWS-FLI. We identified 49 lncRNAs that when inhibited by CRISPRi led to decreased growth of Ewing cell lines. Among those that scored most significantly were the small nucleolar host genes SNHG1, SNHG12, and SNHG30. To validate the screening results, we individually cloned the two most depleted sgRNAs targeting for each of these three lncRNAs into a lentiviral vector. We expressed these sgRNAs in three different dCas9-KRAB+ Ewing cell lines and used internally controlled growth assays to test whether the observed phenotypes from the screens were reproducible. We confirmed that for all three lncRNAs hits significantly affected Ewing’s growth, and their depletion leads to an increase in apoptosis. To determine how lncRNAs influence the ability of Ewing sarcoma cells to growth and survive in vivo, we performed a subcutaneous xenograft CRISPRi screen using the same pooled library used in vitro. The lncRNAs with the strongest pro-growth phenotype after knock-down were PVT1 and the uncharacterized LINC02688. Ongoing studies are directed at determining the Ewing-specific role of these lncRNAs. Overall, our studies demonstrate the value of studying lncRNA functions in vitro and in vivo, provides a valuable resource of new lncRNAs targets to further research and establishes a framework for systematic discovery of functional lncRNAs in Ewing cells. Citation Format: Marcela C. Briones Martin del Campo, Alex Lee, Max Horlbeck, Truc Dinh, Marta Roman-Moreno, Leanne Sayles, Bokyung Seong, Kimberly Stegmaier, Luke Gilbert, E. Alejandro Sweet-Cordero. Long non-coding RNAs that are required for robust cell growth in ewing Sarcoma [abstract]. In: Proceedings of the AACR Special Conference: Sarcomas; 2022 May 9-12; Montreal, QC, Canada. Philadelphia (PA): AACR; Clin Cancer Res 2022;28(18_Suppl):Abstract nr B021.

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 enseignants0,004
Score d'incertitude au seuil0,014

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)0,0040,002

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 Opus0,198
Tête enseignante GPT0,450
Écart entre enseignants0,252 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer Research→Même sujetCancer-related molecular mechanisms research→Travaux en français237 207→