Impaired SHP2-Mediated Extracellular Signal-Regulated Kinase Activation Contributes to Gefitinib Sensitivity of Lung Cancer Cells with Epidermal Growth Factor Receptor–Activating Mutations
Notice bibliographique
Résumé
Most non-small cell lung cancers (NSCLC) display elevated expression of epidermal growth factor receptor (EGFR), but response to EGFR kinase inhibitors is predominantly limited to NSCLC harboring EGFR-activating mutations. These mutations are associated with increased activity of survival pathways, including phosphatidylinositol 3-kinase/AKT and signal transducer and activator of transcription 3/5. We report that EGFR-activating mutations also surprisingly lead to decreased ability to activate extracellular signal-regulated kinase (ERK) compared with wild-type EGFR. In NSCLC cells and mouse embryonic fibroblasts expressing mutant EGFR, this effect on ERK correlates with decreased EGFR internalization and reduced phosphorylation of SHP2, a tyrosine phosphatase required for the full activation of ERK. We further show that ERK activation levels affect cellular response to gefitinib. NSCLC cells with EGFR mutation display reduced gefitinib sensitivity when ERK activation is augmented by expression of constitutively active mutants of mitogen-activated protein kinase/ERK kinase (MEK). Conversely, in a NSCLC cell line expressing wild-type EGFR, gefitinib treatment along with or following MEK inhibition increases death response compared with treatment with gefitinib alone. Our results show that EGFR-activating mutations may promote some survival pathways but simultaneously impair others. This multivariate alteration of the network governing cellular response to gefitinib, which we term "oncogene imbalance," portends a potentially broader ability to treat gefitinib-resistant NSCLC.
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 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».