Loss of Kmt2c or Kmt2d drives brain metastasis via KDM6A-dependent upregulation of MMP3
Notice bibliographique
Résumé
KMT2C and KMT2D, encoding histone H3 lysine 4 methyltransferases, are among the most commonly mutated genes in triple-negative breast cancer (TNBC). However, how these mutations may shape epigenomic and transcriptomic landscapes to promote tumorigenesis is largely unknown. Here we describe that deletion of Kmt2c or Kmt2d in non-metastatic murine models of TNBC drives metastasis, especially to the brain. Global chromatin profiling and chromatin immunoprecipitation followed by sequencing revealed altered H3K4me1, H3K27ac and H3K27me3 chromatin marks in knockout cells and demonstrated enhanced binding of the H3K27me3 lysine demethylase KDM6A, which significantly correlated with gene expression. We identified Mmp3 as being commonly upregulated via epigenetic mechanisms in both knockout models. Consistent with these findings, samples from patients with KMT2C-mutant TNBC have higher MMP3 levels. Downregulation or pharmacological inhibition of KDM6A diminished Mmp3 upregulation induced by the loss of histone-lysine N-methyltransferase 2 (KMT2) and prevented brain metastasis similar to direct downregulation of Mmp3. Taken together, we identified the KDM6A-matrix metalloproteinase 3 axis as a key mediator of KMT2C/D loss-driven metastasis in TNBC.
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 | 0,000 |
| 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 | 0,001 | 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 ».