Interaction of <scp>TFAP2A</scp> with the Ku70/80 complex is crucial for <scp>HIF</scp>‐dependent activation of hypoxia‐inducible genes
Notice bibliographique
Résumé
Hypoxia can be established under pathological conditions, such as cancer, due to the imbalance between oxygen supply and consumption. Hypoxia-inducible transcription factor HIF-1 mediates the physiological response to hypoxia but also regulates multiple steps of carcinogenesis. Despite its well-defined oxygen-dependent activation, many aspects of HIF-1 transcriptional activity as well as interaction with chromatin remain elusive. We have recently shown that hypoxia triggered deSUMOylation of TFAP2A. To study the possible role of TFAP2A in the transcriptional response to hypoxia, we performed ChIP-seq analysis. Our results have now shown that TFAP2A resides together with HIF-1α on the promoters of a subset of hypoxia-regulated genes, the mRNA expression of which is downregulated by silencing of TFAP2A. Interestingly, CRISPR-mediated knockdown of TFAP2A expression under hypoxia decreased the occupancy of HIF-1α on these promoters and affected chromatin accessibility. Mechanistically, we reveal that the Ku70/Ku80 protein complex interacts with deSUMOylated TFAP2A under hypoxia and participates in HIF-dependent gene expression. Moreover, using stable expression of TFAP2A forms that either lack or constitutively carry a SUMO modification, we could show that SUMOylation affects binding of TFAP2A to chromatin. Overall, our data suggest that TFAP2A is an important co-regulator of the HIF-1-dependent transcriptional response to hypoxia and SUMOylation fine-tunes this regulation. As both TFAP2A and HIF-1 play critical roles in cancer progression, a detailed characterization of their crosstalk could lead to novel therapeutic strategies for targeting and killing cancer cells in hypoxic tumors.
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 | 0,000 | 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 ».