Grb10 and Active Raf-1 Kinase Promote Bad-dependent Cell Survival
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The proapoptotic protein Bad is a key player in cell survival decisions, and is regulated post-translationally by several signaling networks. We expressed Bad in mouse embryonic fibroblasts to sensitize them to apoptosis, and tested cell lines derived from knock-out mice to establish the significance of the interaction between the adaptor protein Grb10 and the Raf-1 protein kinase in anti-apoptotic signaling pathways targeting Bad. When compared with wild-type cells, both Grb10 and Raf-1-deficient cells exhibit greatly enhanced sensitivity to apoptosis in response to Bad expression. Structure-function analysis demonstrates that, in this cellular model, the SH2, proline-rich, and pleckstrin homology domains of Grb10, as well as its Akt phosphorylation site and consequent binding by 14-3-3, are all necessary for its anti-apoptotic functions. As for Raf-1, its kinase activity, its ability to be phosphorylated by Src on Tyr-340/341 and the binding of its Ras-associated domain to the Grb10 SH2 domain are all necessary to promote cell survival. Silencing the expression of either Grb10 or Raf-1 by small interfering RNAs as well as mutagenesis of specific serine residues on Bad, coupled with signaling inhibitor studies, all indicate that Raf-1 and Grb10 are required for the ability of both the phosphatidylinositol 3-kinase/Akt and MAP kinase pathways to modulate the phosphorylation and inactivation of Bad. Because total Raf-1, ERK, and Akt kinase activities are not impaired in the absence of Grb10, we propose that this adapter protein creates a subpopulation of Raf-1 with specific anti-apoptotic activity.
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.
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 | 0,000 |
| 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 découle