Transcriptional Heterogeneity Overcomes Super-Enhancer Disrupting Drug Combinations in Multiple Myeloma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Multiple myeloma (MM) is a malignancy that is often driven by MYC and that is sustained by IRF4, which are upregulated by super-enhancers. IKZF1 and IKZF3 bind to super-enhancers and can be degraded using immunomodulatory imide drugs (IMiD). Successful IMiD responses downregulate MYC and IRF4; however, this fails in IMiD-resistant cells. MYC and IRF4 downregulation can also be achieved in IMiD-resistant tumors using inhibitors of BET and EP300 transcriptional coactivator proteins; however, in vivo these drugs have a narrow therapeutic window. By combining IMiDs with EP300 inhibition, we demonstrate greater downregulation of MYC and IRF4, synergistic killing of myeloma in vitro and in vivo, and an increased therapeutic window. Interestingly, this potent combination failed where MYC and IRF4 expression was maintained by high levels of the AP-1 factor BATF. Our results identify an effective drug combination and a previously unrecognized mechanism of IMiD resistance. SIGNIFICANCE: These results highlight the dependence of MM on IKZF1-bound super-enhancers, which can be effectively targeted by a potent therapeutic combination pairing IMiD-mediated degradation of IKZF1 and IKZF3 with EP300 inhibition. They also identify AP-1 factors as an unrecognized mechanism of IMiD resistance in MM. See related article by Neri, Barwick, et al., p. 56. See related commentary by Yun and Cleveland, p. 5. This article is featured in Selected Articles from This Issue, p. 4.
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.
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 découle