Temporal proteomic analysis of IGF‐1R signalling in MCF‐7 breast adenocarcinoma cells
Notice bibliographique
Résumé
Dysregulation of the insulin-like growth factor 1 receptor signalling network is implicated in tumour growth and resistance to chemotherapy. We explored proteomic changes resulting from insulin-like growth factor 1 stimulation of MCF-7 adenocarcinoma cells as a function of time. Quantitative analysis using iTRAQ reagents and 2-D LC-MS/MS analysis of three biological replicates resulted in the identification of 899 proteins (p<or=0.05) with an estimated mean false-positive rate of 2.6%. Quantitative protein expression was obtained from 681 proteins. Further analysis by supervised k-means clustering identified five temporal clusters, which were submitted to the FuncAssociate server to assign overrepresented gene ontology terms. Proteins associated with vesicle transport were significantly overrepresented. We further analyzed our data set for proteins showing temporal significance using the software, extraction and analysis of differential gene expression, resulting in 20 significantly and temporally changing proteins (p<or=0.1). These significant proteins play roles in, among others, altered glucose metabolism (lactate dehydrogenase A and pyruvate kinase M1/M2) and cellular stress (nascent polypeptide-associated complex subunit alpha and heat shock (HSC70) proteins). We used multiple reaction monitoring to validate these interesting proteins and have revealed several differences in relative peptide expression corresponding to protein isoforms and variants.
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 | 0,000 | 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 | 0,001 |
| 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 ».