PRMT1 inhibition perturbs RNA metabolism and induces DNA damage in clear cell renal cell carcinoma
Notice bibliographique
Résumé
In addition to the ubiquitous loss of the VHL gene in clear cell renal cell carcinoma (ccRCC), co-deletions of chromatin-regulating genes are common drivers of tumorigenesis, suggesting potential vulnerability to epigenetic manipulation. A library of chemical probes targeting a spectrum of epigenetic regulators is screened using a panel of ccRCC models. MS023, a type I protein arginine methyltransferase (PRMT) inhibitor, is identified as an antitumorigenic agent. Individual knockdowns indicate PRMT1 as the specific critical dependency for cancer growth. Further analyses demonstrate impairments to cell cycle and DNA damage repair pathways upon MS023 treatment or PRMT1 knockdown. PRMT1-specific proteomics reveals an interactome rich in RNA binding proteins and further investigation indicates significant widespread disruptions in mRNA metabolism with both MS023 treatment and PRMT1 knockdown, resulting in R-loop accumulation and DNA damage over time. Our data supports PRMT1 as a target in ccRCC and informs a mechanism-based strategy for translational development. Here, the authors show that PRMT1 targeting inhibits clear cell renal cell carcinoma cells through perturbation of RNA metabolism and down-regulation of DNA repair pathways, resulting in the accumulation of unresolved R-loops and DNA damage.
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) | 0,001 | 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 ».