Notice bibliographique
Résumé
Our laboratory has previously shown that some gefitinib-insensitive head and neck squamous cell carcinoma (HNSCC) cell lines exhibit dominant autocrine fibroblast growth factor receptor (FGFR) signaling. Herein, we deployed a whole-genome loss-of-function screen to identify genes whose knockdown potentiated the inhibitory effect of the FGFR inhibitor, AZ8010, in HNSCC cell lines. Three HNSCC cell lines expressing a genome-wide small hairpin RNA (shRNA) library were treated with AZ8010 and the abundance of shRNA sequences was assessed by deep sequencing. Under-represented shRNAs in treated cells are expected to target genes important for survival with AZ8010 treatment. Synthetic lethal hits were validated with specific inhibitors and independent shRNAs. We found that multiple alternate receptors provided protection from FGFR inhibition, including receptor tyrosine kinases (RTKs), v-erb-b2 erythroblastic leukemia viral oncogene homolog 2 (ERBB2), and hepatocyte growth factor receptor (MET). We showed that specific knockdown of either ERBB2 or MET in combination with FGFR inhibition led to increased inhibition of growth relative to FGFR tyrosine kinase inhibitor (TKI) treatment alone. These results were confirmed using specific small molecule inhibitors of either ERBB family members or MET. Moreover, the triple combination of FGFR, MET, and ERBB family inhibitors showed the largest inhibition of growth and induction of apoptosis compared with the double combinations. These results reveal a role for alternate RTKs in maintaining progrowth and survival signaling in HNSCC cells in the setting of FGFR inhibition. Thus, improved therapies for HNSCC patients could involve rationally designed combinations of TKIs targeting FGFR, ERBB family members, and MET.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,524 | 0,306 |
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 source (Gemma direct ou Codex distillé), 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 ».