Translational and HIF1α-dependent metabolic reprograming underpin oncometabolome plasticity and synergy between oncogenic kinase inhibitors and biguanides
Notice bibliographique
Résumé
Abstract There is heightened interest to devise therapies that target the oncometabolome. We show that kinase inhibitors (KIs) and biguanides synergistically target melanoma, leukemia, and breast, colon and renal cancer cells, but not non-transformed cells. Metabolic profiling confirmed opposing effects of KIs and biguanides on glycolysis, but this was insufficient to explain the observed synergy between the drugs. Rather, we define a critical role for the synthesis of non-essential amino acids (NEAA) aspartate, asparagine and serine as well as reductive glutamine metabolism, in determining the sensitivity of cancer cells to KI - biguanide combinations. The mTORC1/4E-BP axis regulates aspartate, asparagine and serine synthesis by modulating translation of mRNAs encoding PC, ASNS, PHGDH and PSAT1. Ablation of 4E-BP1 and 2 results in a dramatic increase in serine, aspartate and asparagine levels and a substantial decrease in sensitivity of breast cancer and melanoma cells to KI - biguanide combinations. In turn, efficacy of KI – biguanide combinations is impeded by HIF1α and sustained reductive glutamine metabolism. These findings identify hitherto unappreciated translational reprograming of NEAA synthesis and HIF1α-dependent stimulation of reductive glutamine metabolism as critical metabolic vulnerabilities of cancer that underpin synergy between KIs and biguanides.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».