Antioxidant and antipromotional effects of the soybean isoflavone genistein have been studied in HL-60 cells and the mouse skin tumorigenesis model. Effects of structure-related flavone/isoflavones on hydrogen peroxide (H2O2) production by 12-O-tetradecanoylphorbol-13-acetate (TPA)-activated HL-60 cells and superoxide anion (O2-) generation by xanthine/xanthine oxidase were compared. Of tested isoflavones, genistein is the most potent inhibitor among TPA-induced H2O2 formation by (dimethyl sulfoxide) DMSO-differentiated HL-60 cells, daidzein is second, and apigenin and biochanin A show little effect. In contrast, genistein, apigenin, and prunectin are equally potent in inhibiting O2- generation by xanthine/xanthine oxidase, with daidzein showing a moderate inhibitory effect and biochanin A exhibiting no effect. These results suggest that the antioxidant properties of isoflavones are structurally related and the hydroxy group at Position 4' is crucial in both systems. Dietary administration of 250 ppm genistein for 30 days significantly enhances the activities of antioxidant enzymes in the skin and small intestine of mice. Further studies show that genistein significantly inhibits TPA-induced proto-oncogene expression (c-fos) in mouse skin in a dose-dependent manner. In a two-stage skin carcinogenesis study, low levels of genistein (1 and 5 mumol) significantly prolong tumor latency and decrease tumor multiplicity by approximately 50%. We conclude that genistein's antioxidant properties and antiproliferative effects may be responsible for its anticarcinogenic effect. Its high content in soybeans and relatively high bioavailability favor genistein as a promising candidate for the prevention of human cancers.

Abstract Allosteric regulation is found across all domains of life, yet we still lack simple, predictive theories that directly link the experimentally tunable parameters of a system to its input-output response. To that end, we present a general theory of allosteric transcriptional regulation using the Monod-Wyman-Changeux model. We rigorously test this model using the ubiquitous simple repression motif in bacteria by first predicting the behavior of strains that span a large range of repressor copy numbers and DNA binding strengths and then constructing and measuring their response. Our model not only accurately captures the induction profiles of these strains but also enables us to derive analytic expressions for key properties such as the dynamic range and [ EC 50 ]. Finally, we derive an expression for the free energy of allosteric repressors which enables us to collapse our experimental data onto a single master curve that captures the diverse phenomenology of the induction profiles.

Gene regulation is one of the most ubiquitous processes in biology. But while the catalog of bacterial genomes continues to expand rapidly, we remain ignorant about how almost all of the genes in these genomes are regulated. At present, characterizing the molecular mechanisms by which individual regulatory sequences operate requires focused efforts using low-throughput methods. Here we show how a combination of massively parallel reporter assays, mass spectrometry, and information-theoretic modeling can be used to dissect bacterial promoters in a systematic and scalable way. We demonstrate this method on both well-studied and previously uncharacterized promoters in the enteric bacterium Escherichia coli. In all cases we recover nucleotide-resolution models of promoter mechanism. For some promoters, including previously unannotated ones, the approach allowed us to further extract quantitative biophysical models describing input-output relationships. This method opens up the possibility of exhaustively dissecting the mechanisms of promoter function in E. coli and a wide range of other bacteria.

Despite the central importance of transcriptional regulation in biology, it has proven difficult to determine the regulatory mechanisms of individual genes, let alone entire gene networks. It is particularly difficult to analyze a promoter sequence and identify the locations, regulatory roles, and energetic properties of binding sites for transcription factors and RNA polymerase. In this work, we present a strategy for interpreting transcriptional regulatory sequences using in vivo methods (i.e. the massively parallel reporter assay Sort-Seq) to formulate quantitative models that map a transcription factor binding site's DNA sequence to transcription factor-DNA binding energy. We use these models to predict the binding energies of transcription factor binding sites to within 1 kBT of their measured values. We further explore how such a sequence-energy mapping relates to the mechanisms of trancriptional regulation in various promoter contexts. Specifically, we show that our models can be used to design specific induction responses, analyze the effects of amino acid mutations on DNA sequence preference, and determine how regulatory context affects a transcription factor's sequence specificity.

Mutation is a critical mechanism by which evolution explores the functional landscape of proteins. Despite our ability to experimentally inflict mutations at will, it remains difficult to link sequence-level perturbations to systems-level responses. Here, we present a framework centered on measuring changes in the free energy of the system to link individual mutations in an allosteric transcriptional repressor to the parameters which govern its response. We find the energetic effects of the mutations can be categorized into several classes which have characteristic curves as a function of the inducer concentration. We experimentally test these diagnostic predictions using the well-characterized LacI repressor of Escherichia coli, probing several mutations in the DNA binding and inducer binding domains. We find that the change in gene expression due to a point mutation can be captured by modifying only a subset of the model parameters that describe the respective domain of the wild-type protein. These parameters appear to be insulated, with mutations in the DNA binding domain altering only the DNA affinity and those in the inducer binding domain altering only the allosteric parameters. Changing these subsets of parameters tunes the free energy of the system in a way that is concordant with theoretical expectations. Finally, we show that the induction profiles and resulting free energies associated with pairwise double mutants can be predicted with quantitative accuracy given knowledge of the single mutants, providing an avenue for identifying and quantifying epistatic interactions.