PRMT1 inhibitor MS023 suppresses RNA splicing to sensitize small cell lung cancer to DNA damaging agents
Notice bibliographique
Résumé
Small cell lung cancer (SCLC) is a highly aggressive form of cancer, commonly treated with DNA-damaging therapies such as chemotherapy and radiotherapy. Unfortunately, relapse occurs early and frequently, suggesting that epigenetic mechanisms may play a role in this aggressive behavior. Targeting these mechanisms during initial treatment could potentially enhance anti-cancer effects. This study investigated the combination of DNA-damaging treatments with a panel of Epigenetic Chemical Probes (EpiProbes). Among these, MS023, a PRMT inhibitor, showed the greatest synergy with cisplatin and etoposide across various SCLC cell lines. The cytotoxicity of MS023 was correlated with PRMT1 gene expression and protein levels. BioID analysis revealed that many PRMT1 interactors are involved in mRNA splicing. Mechanistic validation demonstrated that MS023 impaired RNA splicing, increased DNA:RNA hybrids, and caused DNA double-strand breaks (DSBs). When combined with ionizing radiation (IR), MS023 significantly increased DSBs, as indicated by γH2AX foci. Additionally, MS023 enhanced the effects of IR and the PARP inhibitor talazoparib, both in vitro and in vivo. Therefore, targeting PRMT1 in combination with DNA-damaging therapies presents a promising strategy to improve treatment outcomes for SCLC.
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 ».