MétaCan
Menu
Retour à la cohorte
Enregistrement W4361222884 · doi:10.1016/j.dib.2023.109097

Dataset on DNA methylation and gene expression changes induced by 5-aza-2′-deoxycytidine in Syrian golden hamster fetal cell cultures

2023· article· en· W4361222884 sur OpenAlexafffund
Matthew J. Meier, Cathy Cummings‐Lorbetskie, Andrea Rowan‐Carroll, Daniel Desaulniers

Notice bibliographique

RevueData in Brief · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensHealth Canada
Organismes subventionnairesHealth Canada
Mots-clésDeoxycytidineGolden hamsterDNA methylationMethylationGeneDNAMolecular biologyBiologyGeneticsGene expressionFetusCell cultureHamsterPregnancyCancer

Résumé

récupéré en direct d'OpenAlex

The Syrian hamster (SH) is an animal model used in virology, toxicology, and carcinogenesis, where a better understanding of epigenetic mechanisms is required. Finding genetic loci regulated by DNA methylation may assist in the development of DNA methylation-based in vitro assays for the identification of carcinogens. This dataset informs on the regulation of gene expression by DNA methylation. Primary cultures of SH male fetal cells (sex determined by differences in kdm5 loci on the X and Y chromosome) were exposed for 7 days to the carcinogen benzo[a]pyrene (20 µM) from which a morphologically transformed colony was collected and reseeded. The colony bypassed senescence and sustained growth. After 210 days of culture, the cells were collected and divided in 16 aliquots to create 4 experimental groups to test the effects of the DNA methylation inhibitor 5-aza-2′-deoxycytidine (5adC). The experiment was initiated 24 h after cell seeding in 10 cm plates. The groups are naïve cells (N), cells exposed for 48 h to either 0.05% DMSO as vehicle (V), or to 5adC at 1 µM and 5 µM. DNA and RNA libraries were sequenced on an Illumina NextSeq 500. Gene expression was analysed by RNAseq and differentially methylated DNA regions (DMRs: clusters of 200 base pairs (bp), read depth >20, q< 0.05, methylation difference >|25%|) were identified by reduce representation bisulfite sequencing (RRBS). Global genome DNA methylation was similar between the N (mean±SD, 47.3%±0.02) and V groups (47.3%±0.01). Although 5adC reduced methylation, the reduction was larger in the 1 µM (39.2%±0.002) than in the 5 µM group (44.3%±0.01). 5adC induced a total of 612 and 190 DMRs by 1 µM and 5 µM, among which 79 and 23 were in the promoter regions (±3,000 bp from the transcription start site), respectively. 5adC induced a total of 1,170 and 1,797 differentially expressed genes (DEGs) by 1 µM and 5 µM, respectively. The 5 µM treatment induced statistically significant toxicity (% cell viability: group N 97%±8, V 98.8%±1.3, 1 µM 97.3%±0.5, 5 µM 93.8%±1.5), which perhaps reduced cell division and daughter cell numbers with inherited changes in methylation, but increased number of DEGs due to both toxicity and methylation changes. As usually observed in the literature, a small portion of DEGs (4% and 4% at 1 µM and 5 µM, respectively) are associated with DMRs in their promoters. These promoter DMRs by themselves are sufficient among other epigenetic marks to induce DEGs. The dataset provides the genomic coordinates of the DMRs and an opportunity to further examine their roles in distal putative promoters or enhancers (yet to be described in the SH) in contributing to gene expression changes, senescence bypass and sustained proliferation as essential carcinogenic events (see companion paper [1]). Finally, this experiment confirms the possibility in future experiments to use 5adC as a positive control for effects on DNA methylation in cells derived from SH.

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)0,000
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 enseignants0,122
Score d'incertitude au seuil0,566

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,035
Tête enseignante GPT0,307
Écart entre enseignants0,272 · 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

Citations5
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueData in BriefMême sujetEpigenetics and DNA MethylationTravaux en français237 207