EM
Emanuele Monteleone
Author with expertise in Role of Long Noncoding RNAs in Cancer and Development
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
8
(63% Open Access)
Cited by:
1,055
h-index:
12
/
i10-index:
13
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
10

Small transcriptional differences among cell clones lead to distinct NF-κB dynamics

Cise Kizilirmak et al.Dec 9, 2021
ABSTRACT Transcription factor dynamics is fundamental to determine the activation of accurate transcriptional programs and yet is heterogeneous at single-cell level, even between very similar cells. We asked how such heterogeneity emerges for the nuclear factor κB (NF-κB), whose dynamics have been reported to cover a wide spectrum of behaviors, including persistent, oscillatory and weak activation. We found that clonal populations of immortalized fibroblasts derived from a single mouse embryo display robustly distinct dynamics upon tumor necrosis factor α (TNF-α) stimulation, which give rise to differences in the transcription of NF-κB targets. Notably, standard transcriptomic analyses indicate that the clones differ mostly in transcriptional programs related with development, but not in TNF-α signaling. However, by combining transcriptomics data and simulations we show how the expression levels of genes coding for proteins of the signaling cascade determine the differences in early NF-κB activation; differences in the expression of IκBα determine differences in its persistence and oscillatory behavior. The same analysis predicts inter-clonal differences in the NF-κB response to IL-1 β . We propose that small (less than twofold) differences at transcript level can lead to distinct transcription factor dynamics in cells within homogeneous cell populations, and all the more so among different cell types.
10
Citation1
0
Save
0

SP1 and STAT3 functionally synergize to induce the RhoU small GTPase and a subclass of non-canonical WNT responsive genes correlating with poor prognosis in breast cancer.

Emanuele Monteleone et al.Aug 9, 2018
Breast cancer is a complex disease in which heterogeneity makes clinical management very challenging. Although breast cancer subtypes classified according to specific molecular features are associated to better or worse prognosis, the identification of specific markers predicting disease outcome within the single subtypes still lags behind. Both the non-canonical WNT and the STAT3 pathways are often constitutively activated in breast tumors, and both can induce the small GTPase RhoU gene transcription. Here we show that RhoU transcription can be triggered by both canonical and non-canonical WNT ligands via the activation of JNK and the recruitment of the SP1 transcription factor to the RhoU promoter, identifying for the first time SP1 as a JNK-dependent mediator of WNT signaling. RhoU down-regulation by silencing or treatment with JNK, SP1 or STAT3 inhibitors lead to impaired cell migration in basal-like MDA-MB-231 cells, which display constitutive activation of both the non-canonical WNT and STAT3 pathways. These data suggest that STAT3 and SP1 can cooperate to induce high RhoU expression and enhance migration of breast cancer cells. In vivo binding of both factors characterizes a group of SP1/STAT3 responsive genes belonging to the non-canonical WNT and the IL-6/STAT3 pathways. High expression of this signature is significantly correlated with poor prognosis across all profiled patients. Thus, concomitant binding of both STAT3 and SP1 defines a subclass of genes contributing to breast cancer aggressiveness, suggesting the relevance of developing novel targeted therapies combining inhibitors of the STAT3 and WNT pathways or of their downstream mediators.
0

Network analysis allows to unravel breast cancer molecular features and to identify novel targets

Aurora Savino et al.Mar 6, 2019
The behaviour of complex biological systems is determined by the orchestrated activity of many components interacting with each other, and can be investigated by networks. In particular, gene co-expression networks have been widely used in the past years thanks to the increasing availability of huge gene expression databases. Breast cancer is a heterogeneous disease usually classified either according to immunohistochemical features or by expression profiling, which identifies the 5 subtypes luminal A, luminal B, basal-like, HER2-positive and normal-like. Basal-like tumours are the most aggressive subtype, for which so far no targeted therapy is available. Making use of the WGCNA clustering method to reconstruct breast cancer transcriptional networks from the METABRIC breast cancer dataset, we developed a platform to address specific questions related to breast cancer biology. In particular, we obtained gene modules significantly correlated with survival and age of onset, useful to understand how molecular features and gene expression patterns are organized in breast cancer. We next generated subtype-specific gene networks and in particular identified two modules that are significantly more connected in basal-like breast cancer with respect to all other subtypes, suggesting relevant biological functions. We demonstrate that network centrality (kWithin) is a suitable measure to identify relevant genes, since we could show that it correlates with clinical features and that it provides a mean to select potential upstream regulators of a module with high reliability. Finally, we showed the feasibility of adding meaning to the networks by combining them with independently obtained data related to activated pathways. In conclusion, our platform allows to identify groups of genes highly relevant in breast cancer and possibly amenable to drug targeting, due to their ability to regulate survival-related gene networks. This approach could be successfully extended to other BC subtypes, and to all tumor types for which enough expression data are available.