Cell fate decisions and anti-tumor effects of the mRNA translation initiation factor eIF2
Notice bibliographique
Résumé
T lecture will address the function of the translation initiation factor eIF2 in stressed-induced tumorigenesis as well as in anti-tumor treatments with chemotherapeutic drugs. eIF2 is a master regulator of stress through its ability to control protein synthesis in response to various forms of stress including DNA damage, oxidative stress, oncogenic stress as well as stress in the tumor microenvironment. Cells respond to stress by inducing the phosphorylation of the alpha (α) subunit of eIF2 at serine 51 (S51) (herein referred to as eIF2αP), a modification that leads to the inhibition of global protein synthesis. eIF2αP is mediated by four kinases, namely HRI, PKR, PERK/PEK and GCN2 each of which becomes activated to distinct form of stress. Despite the general inhibition of protein synthesis, specific mRNAs can bypass the blockade, and in fact, be efficiently translated under stress. Such mRNAs encode for proteins that facilitate cell adaptation to stress as shown for transcription factors ATF4 and ATF5 in mammalian cells or GCN4 in yeast. Our work focuses on eIF2αP function as a cell fate decision maker through its ability to induce either cell survival or death in stressed tumor cells. We investigate how the dual but opposing function of eIF2αP relates to the activation of the MAPK and Akt/PKB-mTORC1 pathways in stressed cells. Our work suggests that inhibition of eIF2αP is a powerful approach to disarm cell survival and induce death in tumor cells treated with pro-oxidant drugs or drugs targeting the PI3K-Akt/PKB-mTORC1 pathway.
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 ».