Dominant‐Negative Effects of p53 R337 Variants in Li–Fraumeni Syndrome: Impact on Tetramer Formation and Transcriptional Activity
Notice bibliographique
Résumé
Li-Fraumeni syndrome (LFS) is an inherited cancer predisposition disorder caused by heterozygous TP53 mutations. Among these, missense mutations at Arg337-such as R337C and R337H-are common in LFS patients. Although many studies have characterized individual p53 variants in LFS, the impact of tetramerization domain (TD) mutations on wild-type (WT) p53 function remains unclear. Herein, a novel FRET-based assay system that enables the simultaneous detection of heterotetramer formation and p53-dependent transcriptional activity in live cells is developed. These results show that the heteromultimerization of the R337C variant with WT p53 is only slightly reduced compared to WT homotetramers, yet its transcriptional activity is diminished by over 50%. In contrast, the R337H variant forms heterotetramers at near-normal levels but exhibits markedly compromised transcriptional activity. These findings reveal a previously unrecognized dominant-negative-like effect, suggesting reduced p53 function is due not only to decreased tetramer formation but also to diminished heterotetramer stability. Moreover, the LFS-associated p53TD variants show a greater loss of activity against the low-affinity, apoptosis-inducing bax response element than against the high-affinity, cell cycle arrest-related CDKN1A response element. Collectively, this study demonstrates that p53TD mutations can exert dominant-negative effects, advancing the understanding of p53 heteromultimer function in LFS pathogenesis. These mechanistic insights into p53 heterotetramer stability may not only inform genetic screening strategies for LFS but also support future therapeutic approaches aimed at restoring p53 function by stabilizing mutant tetramers.
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 ».