Genome-wide CRISPR screens identify novel regulators of wild-type and mutant p53 stability
Notice bibliographique
Résumé
Tumor suppressor p53 (TP53) is frequently mutated in cancer, often resulting not only in loss of its tumor-suppressive function but also acquisition of dominant-negative and even oncogenic gain-of-function traits. While wild-type p53 levels are tightly regulated, mutants are typically stabilized in tumors, which is crucial for their oncogenic properties. Here, we systematically profiled the factors that regulate protein stability of wild-type and mutant p53 using marker-based genome-wide CRISPR screens. Most regulators of wild-type p53 also regulate p53 mutants, except for p53 R337H regulators, which are largely private to this mutant. Mechanistically, FBXO42 emerged as a positive regulator for a subset of p53 mutants, working with CCDC6 to control USP28-mediated mutant p53 stabilization. Additionally, C16orf72/HAPSTR1 negatively regulates both wild-type p53 and all tested mutants. C16orf72/HAPSTR1 is commonly amplified in breast cancer, and its overexpression reduces p53 levels in mouse mammary epithelium leading to accelerated breast cancer. This study offers a network perspective on p53 stability regulation, potentially guiding strategies to reinforce wild-type p53 or target mutant p53 in cancer.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».