Pooled CRISPR screens identify genes and non-coding genomic regions that regulate red blood cell density
Notice bibliographique
Résumé
ABSTRACT Genome-wide association studies have identified >1,000 loci associated with clinically important red blood cell (RBC) traits, such as hemoglobin concentration and cell volume. However, few of these associations have been characterized at the molecular level such that most causal genes and variants remain elusive. Here, we performed pooled CRISPR screens in an erythroid cell line to identify genes and regulatory non-coding sequences that control RBC density. We perturbed 556 candidate genes and genomic sequences near 2,114 GWAS variants. We used a density gradient to detect the impact of these CRISPR perturbations on cell density. After validation, we found 17 genes and 13 regions near GWAS variants that regulate cell density. Some of these genes have previously been implicated in RBC biology (e.g. ATP2B4 , CCND3 , EPOR ) although many are novel (e.g. CHTF8 , CTU2 , DNASE2 ). We confirmed that deletions in the osmotic stress response kinase gene OXSR1 increase cell density, and a phosphoproteome analysis in OXSR1-depleted cells indicated that this phenotype is accompanied with a dephosphorylation of the upstream kinase WNK1 and the downstream target KCC3 ( SLC12A6 ). We also combined CRISPR perturbations and RNA-sequencing to show how a non-coding genomic sequence near rs13255015 regulates the expression of the transcription factor ZFAT in cis and SLC4A1 in trans . SLC4A1 encodes Band3, a known regulator of RBC hydration and volume. Our results suggest experimental strategies to characterize GWAS findings and provide new molecular insights into the regulation of complex RBC traits.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».