Selective Inhibition of Human Equilibrative and Concentrative Nucleoside Transporters by BCR-ABL Kinase Inhibitors
Notice bibliographique
Résumé
Human nucleoside transporters (hNTs) mediate cellular influx of anticancer nucleoside drugs, including cytarabine, cladribine, and fludarabine. BCR-ABL tyrosine kinase inhibitors (TKIs) imatinib and dasatinib inhibit fludarabine and cytarabine uptake. We assessed interactions of bosutinib, dasatinib, imatinib, nilotinib, and ponatinib with recombinant hNTs (hENT1, 2; hCNT1, -2, and -3) produced individually in yeast Saccharomyces cerevisiae Nilotinib inhibited hENT1-mediated uridine transport most potently (IC50 value, 0.7 μm) followed by ponatinib > bosutinib > dasatinib > imatinib. Imatinib inhibited hCNT2 with an IC50 value of 2.3 μm Ponatinib inhibited all five hNTs with the greatest effect seen for hENT1 (IC50 value, 9 μm). TKIs inhibited [(3)H]uridine uptake in a competitive manner. Studies in yeast with mutants at two amino acid residues of hENT1 (L442I, L442T, M33A, M33A/L442I) previously shown to be involved in uridine and dipyridamole binding, suggested that BCR-ABL TKIs interacted with Met(33) (TM1) and Leu(442) (TM11) residues of hENT1. In cultured human CEM lymphoblastoid cells, which possess a single hNT type (hENT1), accumulation of [(3)H]cytarabine, [(3)H]cladribine, or [(3)H]fludarabine was reduced by each of the five TKIs, and also caused a reduction in cell surface expression of hENT1 protein. In conclusion, BCR-ABL TKIs variously inhibit five different hNTs, cause a decrease in cell surface hENT1 expression, and decrease uridine accumulation when presented together with uridine or when given before uridine. In experiments with mutant hENT1, we showed for the first time interaction of Met(33) (involved in dipyridamole binding) with BCR-ABL inhibitors and reduced interaction with M33A mutant hENT1.
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 ».