Unbiased Functional Proteomics Strategy for Protein Kinase Inhibitor Validation and Identification of<i>bona fide</i>Protein Kinase Substrates: Application to Identification of EEF1D as a Substrate for CK2
Notice bibliographique
Résumé
Protein kinases have emerged as attractive targets for treatment of several diseases prompting large-scale phosphoproteomics studies to elucidate their cellular actions and the design of novel inhibitory compounds. Current limitations include extensive reliance on consensus predictions to derive kinase-substrate relationships from phosphoproteomics data and incomplete experimental validation of inhibitors. To overcome these limitations in the case of protein kinase CK2, we employed functional proteomics and chemical genetics to enable identification of physiological CK2 substrates and validation of CK2 inhibitors including TBB and derivatives. By 2D electrophoresis and mass spectrometry, we identified the translational elongation factor EEF1D as a protein exhibiting CK2 inhibitor-dependent decreases in phosphorylation in (32)P-labeled HeLa cells. Direct phosphorylation of EEF1D by CK2 was shown by performing CK2 assays with EEF1D -FLAG from HeLa cells. Dramatic increases in EEF1D phosphorylation following λ-phosphatase treatment and phospho- EEF1D antibody recognizing EEF1D pS162 indicated phosphorylation at the CK2 site in cells. Furthermore, phosphorylation of EEF1D in the presence of TBB or TBBz is restored using CK2 inhibitor-resistant mutants. Collectively, our results demonstrate that EEF1D is a bona fide physiological CK2 substrate for CK2 phosphorylation. Furthermore, this validation strategy could be adaptable to other protein kinases and readily combined with other phosphoproteomic methods.
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 | 0,005 | 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 ».