Fer Protein-Tyrosine Kinase Promotes Lung Adenocarcinoma Cell Invasion and Tumor Metastasis
Notice bibliographique
Résumé
UNLABELLED: Epidermal growth factor receptor (EGFR) is frequently amplified or mutated in non-small cell lung cancer (NSCLC). Although Fer protein-tyrosine kinase signals downstream of EGFR, its role in NSCLC tumor progression has not been reported. Here, Fer kinase was elevated in NSCLC tumors compared to normal lung epithelium. EGFR signaling in NSCLC cells fosters rapid Fer activation and increased localization to lamellipodia. Stable silencing of Fer in H1299 lung adenocarcinoma cells (Fer KD) caused impaired EGFR-induced lamellipodia formation compared to control cells. Fer KD NSCLC cells showed reduced Vav2 tyrosine phosphorylation that was correlated with direct Fer-mediated phosphorylation of Vav2 on tyrosine-172, which was previously reported to increase the guanine nucleotide exchange factor activity of Vav2. Indeed, Fer KD cells displayed defects in Rac-GTP localization to lamellipodia, cell migration, and cell invasion in vitro. To test the role of Fer in NSCLC progression and metastasis, control and Fer KD cells were grown as subcutaneous tumors in mice. Although Fer was not required for tumor growth, Fer KD tumor-bearing mice had significantly fewer numbers of spontaneous metastases. Combined, these data demonstrate that Fer kinase is elevated in NSCLC tumors and is important for cellular invasion and metastasis. IMPLICATIONS: Fer protein-tyrosine kinase is a potential therapeutic target in metastatic lung cancer. Mol Cancer Res; 11(8); 952-63. ©2013 AACR.
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) | 0,001 | 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 ».