MétaCan
Menu
Retour à la cohorte
Enregistrement W4399505369 · doi:10.1158/1538-8514.synthleth24-b003

Abstract B003: Identification of novel genes that regulate aneuploidy tolerance by attenuating aneuploidy-induced stresses

2024· article· en· W4399505369 sur OpenAlexaboutno aff
Yonatan Eliezer, Adi V Tarrab, Tal Ben-Yishay, Hajime Okada, Tom Winkler, Uri Ben-David

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Genomics and Diagnostics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAneuploidyBiologyGeneticsChromosome instabilityGeneChromosome

Résumé

récupéré en direct d'OpenAlex

Abstract Aneuploidy, an imbalanced number of chromosomes or chromosome arms, is the most common genetic aberration in cancer and is associated with a worse prognosis and advanced disease. However, in non-transformed cells, aneuploidy has a substantial fitness cost, leading to cell cycle arrest and cell death. This fitness cost is the result of several cellular stresses associated with aneuploidy, including proteotoxic, metabolic, mitotic and replication stress. Therefore, for aneuploidy to become beneficial, tolerance mechanisms that enable cancer cells to cope with aneuploidy-induced cellular stresses must come into play. Such mechanisms may uncover novel synthetic lethalities of aneuploid cancer cells. To this end, we systematically dissected the cellular mechanisms that facilitate aneuploidy tolerance. We combined large-scale analyses of gene expression, as well as genetic and pharmacological dependency datasets from human tumors, cancer cell lines and non-transformed cells, to identify genes and pathways associated with aneuploidy tolerance. We identified 55 genes associated (with high confidence) with aneuploidy tolerance. Gene set enrichment analysis (GSEA) revealed an enrichment for ribosome biogenesis and translation, DNA repair, replication stress and the p53 pathway. Interestingly, these pathways were all previously implicated with the aforementioned aneuploidy-induced cellular stresses. We plan to conduct a dependency mini-screen to validate the top ‘hits’ from our comprehensive bioinformatic analysis, and to explore the role of validated candidates in conferring aneuploidy tolerance. One of the top ‘hits’ of our exploratory analysis was a novel gene with an unclear cellular function. We experimentally confirmed that this gene was over-expressed in aneuploid cells, across several isogenic systems of matched diploid-aneuploid cell lines. Aneuploidy induction using MPS1 inhibitors led to its significant upregulation, demonstrating that its increased expression is a general feature of aneuploid cells. Mechanistically, we found that the novel gene had a role in regulating chromosome segregation, as its knockdown increased the rate of mitotic aberrations – as well as the sensitivity to mitotic checkpoint inhibition – resulting in increased chromosomal instability. We now study the molecular basis for the effect of this novel gene on aneuploidy tolerance. Specifically, we knocked it down in aneuploid cells, and over-expressed it in diploid cells, and we currently explore how these manipulations affect the above-mentioned aneuploidy tolerance pathways, namely replication stress, ribosome biogenesis, DNA damage repair and tp53 activation. In summary, we revealed a novel gene that is a key regulator of aneuploidy tolerance in cancer cells, likely due to its direct involvement in pathways required for the cellular coping with aneuploidy-induced stresses. Citation Format: Yonatan Eliezer, Adi V Tarrab, Tal Ben-Yishay, Hajime Okada, Tom Winkler, Uri Ben-David. Identification of novel genes that regulate aneuploidy tolerance by attenuating aneuploidy-induced stresses [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Expanding and Translating Cancer Synthetic Vulnerabilities; 2024 Jun 10-13; Montreal, Quebec, Canada. Philadelphia (PA): AACR; Mol Cancer Ther 2024;23(6 Suppl):Abstract nr B003.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,005
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,029
Tête enseignante GPT0,295
Écart entre enseignants0,265 · 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 source (Gemma direct ou Codex distillé), 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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetCancer Genomics and DiagnosticsTravaux en français237 207