MétaCan
Menu
Retour à la cohorte
Enregistrement W4408326527 · doi:10.1158/1538-7445.genfunc25-a025

Abstract A025: Direct <i>in vivo</i> CRISPR screen identifies <i>BAP1</i> and <i>FAT1</i> as potent tumor suppressors in sarcomagenesis

2025· article· en· W4408326527 sur OpenAlexaff
Jianguo Huang, Xingliang Liu, Warren Floyd, William Haugh, Andrea R. Daniel, Zhaoyu Sun, Nerissa T. Williams, Melissa J. Kasiewicz, Yaping Wu, Diana M. Cardona, Brian Piening, John Welle, Wesley Rosales, Venkatesh Rajamanickam, So Young Kim, Eric S. Xu, Lixia Luo, Yan Ma, Kristianne M. Oristian, Omar Lopez, Nicholas Sibinga, Rutulkumar Patel, Ziqiang Zhang, Alexander J. Lazar, Corinne M. Linardic, Brady Bernard, William L. Redmond, Walter J. Urba, David G. Kirsch

Notice bibliographique

RevueCancer Research · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetic and Kidney Cyst Diseases
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésCRISPRIn vivoBAP1SuppressorBiologyCancer researchMedicineCancerGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Abstract Undifferentiated pleomorphic sarcoma (UPS) is among the most common soft tissue sarcomas (STS) in adults. For decades, little therapeutic progress has been made for STSs, including UPSs. Targeted therapies for tumors driven by specific genetic mutations have proven to be more effective than standard chemotherapies. However, the molecular pathogenesis of UPSs remains unknown, hindering the development of targeted therapies for UPSs. Approximately 65% of UPSs harbor TP53 mutations, but somatic mutation of Trp53 alone is insufficient to induce sarcomas in vivo. The addition of Rb1 mutation alongside a Trp53 mutation induces sarcomas in vivo, though with low frequency of tumor onset and slow growth. The role of other genes in facilitating Trp53-driven sarcomas is largely unknown. Through a customized in vivo CRISPR/Cas9 screen of 35 genes commonly mutated in UPSs, followed by individual gene validation in vivo, we discovered that Bap1 knockout cooperates with Trp53 knockout to induce sarcomas in vivo. Furthermore, we demonstrated that Fat1 deletion increased the onset frequency and growth of Trp53 and Rb1-driven sarcomas in a genetically engineered mouse model. Through multiplex immunohistochemistry and flow cytometry, we found that mouse sarcomas induced by Trp53 and Rb1 mutations are significantly enriched with immune cells compared to other mouse sarcomas we generated in vivo. Finally, we show that PARP inhibition may be a potential targeted therapy for RB1-loss STSs and BRD4 inhibition may be a potential targeted therapy for FAT1-loss STSs. Citation Format: Jianguo Huang, Xingliang Liu, Warren Floyd, William Haugh, Andrea R Daniel, Zhaoyu Sun, Nerissa T Williams, Melissa J Kasiewicz, Yaping Wu, Diana M Cardona, Brian Piening, John T. Welle, Wesley K Rosales, Venkatesh Rajamanickam, So Young Kim, Eric Xu, Lixia Luo, Yan Ma, Kristianne M Oristian, Omar Lopez, Nicholas E. S. Sibinga, Rutulkumar Patel, Ziqiang Zhang, Alexander J Lazar, Corinne M Linardic, Brady Bernard, William L Redmond, Walter J Urba, David G Kirsch. Direct in vivo CRISPR screen identifies BAP1 and FAT1 as potent tumor suppressors in sarcomagenesis [abstract]. In: Proceedings of the AACR Special Conference in Cancer Research: Functional and Genomic Precision Medicine in Cancer: Different Perspectives, Common Goals; 2025 Mar 11-13; Boston, MA. Philadelphia (PA): AACR; Cancer Res 2025;85(5 Suppl):Abstract nr A025.

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 seuil0,017

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
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,001
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 Opus0,019
Tête enseignante GPT0,352
Écart entre enseignants0,333 · 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
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetGenetic and Kidney Cyst DiseasesTravaux en français237 207