<i>BRCA1</i> secondary splice-site mutations drive exon-skipping and PARP inhibitor resistance
Notice bibliographique
Résumé
Abstract BRCA1 splice isoforms Δ11 and Δ11q can contribute to PARP inhibitor (PARPi) resistance by splicing-out the mutation-containing exon, producing truncated, partially-functional proteins. However, the clinical impact and underlying drivers of BRCA1 exon skipping remain undetermined. We analyzed nine ovarian and breast cancer patient derived xenografts (PDX) with BRCA1 exon 11 frameshift mutations for exon skipping and therapy response, including a matched PDX pair derived from a patient pre- and post-chemotherapy/PARPi. BRCA1 exon 11 skipping was elevated in PARPi resistant PDX tumors. Two independent PDX models acquired secondary BRCA1 splice site mutations (SSMs), predicted in silico to drive exon skipping. Predictions were confirmed using qRT-PCR, RNA sequencing, western blots and BRCA1 minigene modelling. SSMs were also enriched in post-PARPi ovarian cancer patient cohorts from the ARIEL2 and ARIEL4 clinical trials. We demonstrate that SSMs drive BRCA1 exon 11 skipping and PARPi resistance, and should be clinically monitored, along with frame-restoring secondary mutations. Statement of significance Few PARPi resistance mechanisms have been confirmed in the clinical setting. While secondary/reversion mutations typically restore a gene’s reading frame, we have identified secondary mutations in patient cohorts that hijack splice sites to enhance mutation-containing exon skipping, resulting in the overexpression of BRCA1 hypomorphs, which in turn promote PARPi resistance.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».