MétaCan
Menu
Retour à la cohorte
Enregistrement W2785055971 · doi:10.7554/elife.31098

Targeting RAS-driven human cancer cells with antibodies to upregulated and essential cell-surface proteins

2018· article· en· W2785055971 sur OpenAlexfundno aff
Alexander J. Martinko, Charles Truillet, Olivier Julien, Juan E. Diaz, Max A. Horlbeck, Gordon Whiteley, Josip Blonder, Jonathan S. Weissman, Sourav Bandyopadhyay, Michael J. Evans, James A. Wells

Notice bibliographique

RevueeLife · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueMonoclonal and Polyclonal Antibodies Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Biomedical Imaging and BioengineeringNational Institute of General Medical SciencesUniversity of California, San FranciscoUniversity of TorontoCelgeneNational Cancer InstituteNational Institutes of HealthNational Science Foundation
Mots-clésWnt signaling pathwayCell biologyProteomicsBiologyCancer cellCellSignal transductionDownregulation and upregulationCancerGeneGenetics

Résumé

récupéré en direct d'OpenAlex

While there have been tremendous efforts to target oncogenic RAS signaling from inside the cell, little effort has focused on the cell-surface. Here, we used quantitative surface proteomics to reveal a signature of proteins that are upregulated on cells transformed with KRAS G12V , and driven by MAPK pathway signaling. We next generated a toolkit of recombinant antibodies to seven of these RAS-induced proteins. We found that five of these proteins are broadly distributed on cancer cell lines harboring RAS mutations. In parallel, a cell-surface CRISPRi screen identified integrin and Wnt signaling proteins as critical to RAS-transformed cells. We show that antibodies targeting CDCP1, a protein common to our proteomics and CRISPRi datasets, can be leveraged to deliver cytotoxic and immunotherapeutic payloads to RAS-transformed cancer cells and report for RAS signaling status in vivo. Taken together, this work presents a technological platform for attacking RAS from outside the cell.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,557

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,317
Écart entre enseignants0,302 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations98
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeLifeMême sujetMonoclonal and Polyclonal Antibodies ResearchTravaux en français237 207