TAILS N-Terminomics and Proteomics Show Protein Degradation Dominates over Proteolytic Processing by Cathepsins in Pancreatic Tumors
Notice bibliographique
Résumé
Deregulated cathepsin proteolysis occurs across numerous cancers, but in vivo substrates mediating tumorigenesis remain ill-defined. Applying 8-plex iTRAQ terminal amine isotopic labeling of substrates (TAILS), a systems-level N-terminome degradomics approach, we identified cathepsin B, H, L, S, and Z in vivo substrates and cleavage sites with the use of six different cathepsin knockout genotypes in the Rip1-Tag2 mouse model of pancreatic neuroendocrine tumorigenesis. Among 1,935 proteins and 1,114 N termini identified by TAILS, stable proteolytic products were identified in wild-type tumors compared with one or more different cathepsin knockouts (17%-44% of 139 cleavages). This suggests a lack of compensation at the substrate level by other cathepsins. The majority of neo-N termini (56%-83%) for all cathepsins was consistent with protein degradation. We validated substrates, including the glycolytic enzyme pyruvate kinase M2 associated with the Warburg effect, the ER chaperone GRP78, and the oncoprotein prothymosin-alpha. Thus, the identification of cathepsin substrates in tumorigenesis improves the understanding of cathepsin functions in normal physiology and cancer.
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 ».