DICER1 platform domain missense variants inhibit miRNA biogenesis and lead to tumor susceptibility
Notice bibliographique
Résumé
Abstract The endoribonuclease DICER1 plays an essential role in the microRNA (miRNA) biogenesis pathway, cleaving precursor miRNA (pre-miRNA) stem-loops to generate mature single-stranded miRNAs. Germline pathogenic variants (GPVs) in DICER1 result in DICER1 tumor predisposition syndrome (DTPS), a mainly childhood-onset tumor susceptibility disorder. Most DTPS-causing GPVs are nonsense or frameshifting, with tumor development requiring a second somatic missense hit that impairs the DICER1 RNase IIIb domain. Interestingly, germline DICER1 missense variants that cluster in the DICER1 Platform domain have been identified in some persons affected by tumors that also associate with DTPS. Here, we demonstrate that four of these Platform domain variants prevent DICER1 from producing mature miRNAs and as a result impair miRNA-mediated gene silencing. Importantly, we show that in contrast to canonical somatic missense variants that alter DICER1 cleavage activity, DICER1 proteins harboring these Platform variants fail to bind to pre-miRNA stem-loops. Taken together, this work sheds light upon a unique subset of GPVs causing DTPS and provides new insights into how alterations in the DICER1 Platform domain can impact miRNA biogenesis.
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 | 0,001 |
| 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 | 0,000 |
| 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 ».