Temporal Profiling of Lapatinib-suppressed Phosphorylation Signals in EGFR/HER2 Pathways
Notice bibliographique
Résumé
Lapatinib is a clinically potent kinase inhibitor for breast cancer patients because of its outstanding selectivity for epidermal growth factor receptor (EGFR) and EGFR2 (also known as HER2). However, there is only limited information about the in vivo effects of lapatinib on EGFR/HER2 and downstream signaling targets. Here, we profiled the lapatinib-induced time- and dose-dependent phosphorylation dynamics in SKBR3 breast cancer cells by means of quantitative phosphoproteomics. Among 4953 identified phosphopeptides from 1548 proteins, a small proportion (5-7%) was regulated at least twofold by 1-10 μm lapatinib. We obtained a comprehensive phosphorylation map of 21 sites on EGFR/HER2, including nine novel sites on HER2. Among them, serine/threonine phosphosites located in a small region of HER2 (amino acid residues 1049-1083) were up-regulated by the drug, whereas all other sites were down-regulated. We show that cAMP-dependent protein kinase is involved in phosphorylation of this particular region of HER2 and regulates HER2 tyrosine kinase activity. Computational analyses of quantitative phosphoproteome data indicated for the first time that protein-protein networks related to cytoskeletal organization and transcriptional/translational regulation, such as RNP complexes (i.e. hnRNP, snRNP, telomerase, ribosome), are linked to EGFR/HER2 signaling networks. To our knowledge, this is the first report to profile the temporal response of phosphorylation dynamics to a kinase inhibitor. The results provide new insights into EGFR/HER2 regulation through region-specific phosphorylation, as well as a global view of the cellular signaling networks associated with the anti-breast cancer action of lapatinib.
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) | 0,001 | 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 | 0,001 |
| 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 ».