Genome-Wide CRISPR-Cas9 Screening Identifies a Synergy between Hypomethylating Agents and SUMOylation Blockade in MDS/AML
Notice bibliographique
Résumé
ABSTRACT Hypomethylating agents (HMAs) are frontline therapies effective at altering the natural course of Myelodysplastic Neoplasms (MDS) and Acute Myeloid Leukemia (AML). However, acquired resistance and treatment failure are hallmarks of HMA therapy. To address this clinical need, we performed a genome-wide CRISPR-Cas9 screen in a human MDS-derived cell line, MDS-L, and identified TOPORS as a highly ranked loss-of-function target that synergizes with HMAs, reducing leukemic burden and improving survival in xenograft models. We demonstrate that the depletion of TOPORS mediates sensitivity to HMAs by predisposing leukemic blasts to an impaired DNA damage response (DDR) accompanied by an accumulation of SUMOylated DNMT1 in HMA-treated TOPORS-depleted cells. Importantly, the combination of HMAs with targeting of TOPORS did not functionally impair healthy hematopoiesis. While inhibitors of TOPORS are currently unavailable, we show that inhibition of protein SUMOylation (upstream of TOPORS functions) with TAK-981 partially phenocopies HMA-sensitivity and DDR impairment. Overall, our data suggest that the combination of HMAs with the inhibition of SUMOylation or TOPORS demonstrates a favourable therapeutic index and is a rational treatment framework for High-Risk MDS (HR-MDS) or AML.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».