Multiple myeloma phosphotyrosine proteomic profile associated with FGFR3 expression, ligand activation, and drug inhibition
Notice bibliographique
Résumé
Signaling by growth factor receptor tyrosine kinases is manifest through networks of proteins that are substrates and/or bind to the activated receptors. FGF receptor-3 (FGFR3) is a drug target in a subset of human multiple myelomas (MM) and is mutationally activated in some cervical and colon and many bladder cancers and in certain skeletal dysplasias. To define the FGFR3 network in multiple myeloma, mass spectrometry was used to identify and quantify phosphotyrosine (pY) sites modulated by FGFR3 activation and inhibition in myeloma-derived KMS11 cells. Label-free quantification of peptide ion currents indicated the activation of FGFR3 by phosphorylation of tandem tyrosines in the kinase domain activation loop when cellular pY phosphatases were inhibited by pervanadate. Among the 175 proteins that accumulated pY in response to pervanadate was a subset of 52 including FGFR3 that contained a total of 61 pY sites that were sensitive to inhibition by the FGFR3 inhibitor PD173074. The FGFR3 isoform containing the tandem pY motif in its activation loop was targeted by PD173074. Forty of the drug-sensitive pY sites, including two located within the 35-residue cytoplasmic domain of the transmembrane growth factor binding proteoglycan (and multiple myeloma biomarker) Syndecan-1/CD138, were also stimulated in cells treated with the ligand FGF1, providing additional validation of their link to FGFR3. The identification of these overlapping sets of co-modulated tyrosine phosphorylations presents an outline of an FGFR3 network in the MM model and demonstrates the potential for pharmacodynamic monitoring by label-free quantitative phospho-proteomics.
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 | 0,001 | 0,001 |
| 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 ».