Multivariate proteomic analysis of murine embryonic stem cell self-renewal versus differentiation signaling
Notice bibliographique
Résumé
A number of extracellular stimuli, including soluble cytokines and insoluble matrix factors, are known to influence murine embryonic stem cell self-renewal and differentiation behavioral responses via intracellular signaling pathways, but their net effects in combination are difficult to understand. To gain insight concerning key intracellular signals governing these behavioral responses, we employ a multivariate systems analysis of proteomic data generated from combinatorial stimulation of mouse embryonic stem cells by fibronectin, laminin, leukemia-inhibitory factor, and fibroblast growth factor 4. Phosphorylation states of 31 intracellular signaling network components were obtained across 16 different stimulus conditions at three time points by quantitative Western blotting, and partial-least-squares modeling was used to determine which components were most strongly correlated with cell proliferation and differentiation rate constants obtained from flow cytometry measurements of Oct-4 expression levels. This data-driven, multivariate (16 conditions x 31 components x 3 time points = approximately 1,500 values) proteomic approach identified a set of signaling network components most critically associated (positively or negatively) with differentiation (Stat3, Raf1, MEK, and ERK), proliferation of undifferentiated cells (MEK and ERK), and proliferation of differentiated cells (PKB alpha, Stat3, Src, and PKC epsilon). These predictions were found to be consistent with previous in vivo literature, along with direct in vitro test here by a peptide inhibitor of PKC epsilon. Our results demonstrate how a computational systems biology approach can elucidate key sets of intracellular signaling protein activities that combine to govern cell phenotypic responses to extracellular cues.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».