HIF2α inhibits glutaminase clustering in mitochondria to sustain growth of clear cell renal cell carcinoma
Notice bibliographique
Résumé
Clear cell renal cell carcinomas (ccRCCs) are largely driven by HIF2α and are avid consumers of glutamine. However, inhibitors of glutaminase 1 (GLS1), the first step in glutaminolysis, have not shown benefit in phase III trials, and HIF2α inhibition, recently FDA approved for treatment of ccRCC, shows significant but incomplete benefits. This highlights the need to better understand the interplay between glutamine metabolism and HIF2α in ccRCC. Here, we report that glutamine deprivation rapidly redistributed GLS1 into isolated clusters within mitochondria in diverse cell types, but not in ccRCC. GLS1 clustering occurred rapidly within 1-3 hours, was reversible, was specifically triggered by reduced intracellular glutamate, and was dependent on mitochondrial fission. Clustered GLS1 markedly enhanced glutaminase activity and promoted cell death under glutamine-deprived conditions. HIF2α prevented GLS1 clustering, independently of its transcriptional activity, thereby maintaining low GLS activity and protecting ccRCC cells from glutamine-deprivation-induced cell death. Forced clustering of GLS1, using constitutively clustering mutants, restored high GLS activity, promoted apoptosis, and suppressed ccRCC tumor growth in vivo. These findings reveal multiple insights into cellular glutamine handling, including a previously unrecognized process by which HIF2α promotes ccRCC: by suppressing GLS1 clustering and maintaining low GLS activity. This mechanism provides a potential explanation for the lack of clinical efficacy of GLS inhibitors in ccRCC and suggests a therapeutic avenue to combine HIF2α inhibition with strategies that restore GLS1 clustering.
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 ».