Tyrosine Kinase Inhibitors Reduce Glucose Uptake by Binding to an Exofacial Site on hGLUT‐1: Influence on <sup>18</sup>F‐FDG PET Uptake
Notice bibliographique
Résumé
Positron emission tomography (PET) using 2‐deoxy‐2‐[ 18 F]fluoro‐ d ‐glucose ([ 18 F]FDG), a marker of energy metabolism and cell proliferation, is routinely used in the clinic to assess patient response to chemotherapy and to monitor tumor growth. Treatment with some tyrosine kinase inhibitors (TKIs) causes changes in blood glucose levels in both nondiabetic and diabetic patients. We evaluated the interaction of several classes of TKIs with human glucose transporter‐1 (hGLUT‐1) in FaDu and GIST‐1 cells by measuring [ 3 H]2‐deoxy‐ d ‐glucose ([ 3 H]2‐DG) and [ 3 H]FDG uptake. Uptake of both was inhibited to varying extents by the TKIs, and representative TKIs from each class showed competitive inhibition of [ 3 H]2‐DG uptake. In GIST‐1 cells, [ 3 H]FDG uptake inhibition by temsirolimus and nilotinib was irreversible, whereas inhibition by imatinib, gefitinib, and pazopanib was reversible. Molecular modeling studies showed that TKIs form multiple hydrogen bonds with polar residues of the sugar binding site (i.e., Q161, Q282, Q283, N288, N317, and W388), and van der Waals interactions with the H‐pocket site. Our results showed interaction of TKIs with amino acid residues at the glucose binding site to inhibit glucose uptake by hGLUT‐1. We hypothesize that inhibition of hGLUT‐1 by TKIs could alter glucose levels in patients treated with TKIs, leading to hypoglycemia and fatigue, although further studies are required to evaluate roles of other SLC2 and SLC5 members. In addition, TKIs could affect tumor [ 18 F]FDG uptake, increasingly used as a marker of tumor response. The hGLUT‐1 inhibition by TKIs may have implications for routine [ 18 F]FDG‐PET monitoring of tumor response in patients.
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 | 0,001 |
| 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 ».