MétaCan
Menu
Retour à la cohorte
Enregistrement W4402267879 · doi:10.1158/1538-7445.pediatric24-b028

Abstract B028: Deep mutational scanning of SMARCB1 identifies missense mutants that destabilize SWI/SNF complex stability and diminish remodeling activity

2024· article· en· W4402267879 sur OpenAlexaboutno aff
Garrett W. Cooper, Benjamin Lee, Won Ho Kim, Eliseo Salas, Yongdong Su, Victor Chen, Xiaoping Yang, Robert Lintner, Federica Piccioni, Andrew O. Giacomelli, Thomas P. Howard, Karen N. Conneely, David E. Root, William C. Hahn, David U. Gorkin, Bo Liang, Jaclyn A. Biegel, Susan Chi, Andrew L. Hong

Notice bibliographique

RevueCancer Research · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChromatin Remodeling and Cancer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMissense mutationSMARCB1MutantSMARCA4GeneticsBiologySWI/SNFMutationCancer researchTranscription factorGeneChromatin remodeling

Résumé

récupéré en direct d'OpenAlex

Abstract SMARCB1-deficient cancers are aggressive and highly lethal pediatric malignancies. Loss of SMARCB1 protein expression, a subunit within the SWI/SNF chromatin remodeling complex, remains the key diagnostic feature of these cancers. This can occur through large deletions, balanced translocations, frameshift mutations, or truncating nonsense mutations. Here, we sought to understand the effect of missense mutations on the tumor suppressor function of SMARCB1 through deep mutational scanning (DMS).Specifically, we developed and introduced a library containing >99% of all possible SMARCB1 amino acid substitutions, including frameshift and nonsense mutants, into three pediatric SMARCB1-deficient cell lines (G401 - malignant rhabdoid tumor of the kidney, BT16 - atypical teratoid/rhabdoid tumor, and PEDS0005T - renal medullary carcinoma) and assessed cell fitness after 8-12 days. We observed broad mutational intolerance in three SMARCB1 domains: the winged-helix domain, the intrinsically disordered region, and the RPT2 domain. Following our high-throughput study, we then focused on two highly enriched residues predicted to closely interact within the RPT2 domain of SMARCB1.We validated that specific missense mutations in these two residues mimic loss of function while retaining protein expression. Mechanistic studies revealed that these mutations destabilize the SWI/SNF complex, notably resulting in decreased affinity for SWI/SNF subunits known to be associated with cancer pathogenesis. This complex instability leads to diminished nucleosome remodeling and subsequent transcriptional deregulation.These findings challenge our current understanding of what a loss-of-function mutation means in the context of SMARCB1, suggesting that the absence of SMARCB1 protein expression may not be the sole indicator of SMARCB1 deficiency. Furthermore, this dataset provides a valuable resource for researchers to investigate key residues of SMARCB1 that may drive critical intermolecular interactions necessary for proper SWI/SNF complex assembly and function. Citation Format: Garrett Cooper, Benjamin Lee, Won Kim, Eliseo Salas, Yongdong Su, Victor Chen, Xiaoping Yang, Robert Lintner, Federica Piccioni, Andrew Giacomelli, Thomas Howard, Karen Conneely, David Root, William Hahn, David Gorkin, Bo Liang, Jaclyn Biegel, Susan Chi, Andrew Hong. Deep mutational scanning of SMARCB1 identifies missense mutants that destabilize SWI/SNF complex stability and diminish remodeling activity [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Advances in Pediatric Cancer Research; 2024 Sep 5-8; Toronto, Ontario, Canada. Philadelphia (PA): AACR; Cancer Res 2024;84(17 Suppl):Abstract nr B028.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,020
Score d'incertitude au seuil0,617

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,160
Tête enseignante GPT0,421
Écart entre enseignants0,261 · 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 tête enseignante, 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 revueCancer ResearchMême sujetChromatin Remodeling and CancerTravaux en français237 207