Drug-induced cis-regulatory elements in human hepatocytes affect molecular phenotypes associated with adverse reactions
Notice bibliographique
Résumé
Genomic variation drives phenotypic diversity, including individual differences in drug response. While coding polymorphisms linked to drug efficacy and adverse reactions are well characterized, the contribution of noncoding regulatory elements remains underexplored. Using CAGE (Cap Analysis of Gene Expression), profiling transcription initiations of mRNAs and enhancer RNAs, we identify candidate cis-regulatory elements (CREs) and assessed their activities simultaneously in HepG2 cells expressing the drug-responsive transcription factor pregnane X receptor (PXR). Comparison with GWAS data reveals strong enrichment of the drug-induced CREs near variants associated with bilirubin and vitamin D levels. Among those bound by PXR in primary hepatocytes, we identify enhancers of UGT1A1, TSKU, and CYP24A1 and functional alleles that alter regulatory activities. We also find that TSKU influences expression of vitamin D-metabolizing enzymes. This study expands the landscape of PXR-mediated regulatory elements and uncovers noncoding variants impacting drug response, providing insights into the genomic basis of adverse drug reactions. Here the authors map drug-induced cis-regulatory elements by quantitative profiling of messenger and enhancer RNAs with CAGE. Enhancers of UGT1A1, TSKU, and CYP24A1, along with alleles affecting their regulatory activities, are revealed, shedding light on the genomic basis of adverse drug reactions.
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) | 0,002 | 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 ».