JNK-mediated Phosphorylation of Paxillin in Adhesion Assembly and Tension-induced Cell Death by the Adenovirus Death Factor E4orf4
Notice bibliographique
Résumé
The adenovirus type 2 Early Region 4 ORF4 (E4orf4) protein induces a caspase-independent death program in tumor cells involving changes in actin dynamics that are functionally linked to cell killing. Because an increase in myosin II-based contractility is needed for the death of E4orf4-expressing cells, we have proposed that alteration of cytoskeletal tension is part of the signals engaging the death pathway. Yet the mechanisms involved are poorly defined. Herein, we show that the Jun N-terminal kinase JNK is activated in part through a pathway involving Src, Rho, and ROCK (Rho kinase) and contributes to dysregulate adhesion dynamics and to kill cells in response to E4orf4. JNK supports the formation of atypically robust focal adhesions, which are bound to the assembly of the peculiar actomyosin network typifying E4orf4-induced cell death and which are required for driving nuclear condensation. Remarkably, the dramatic enlargement of focal adhesions, actin remodeling, and cell death all rely on paxillin phosphorylation at Ser-178, which is induced by E4orf4 in a JNK-dependent way. Furthermore, we found that Ser-178-paxillin phosphorylation is necessary to decrease adhesion turnover and to enhance the time residency of paxillin at focal adhesions, promoting its recruitment from an internal pool. Our results indicate that perturbation of tensional homeostasis by E4orf4 involves JNK-regulated changes in paxillin adhesion dynamics that are required to engage the death pathway. Moreover, our findings support a role for JNK-mediated paxillin phosphorylation in adhesion growth and stabilization during tension signaling.
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 | 0,000 |
| 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 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 ».