MétaCan
Menu
Retour à la cohorte
Enregistrement W3120669570 · doi:10.3390/cancers13020184

Protein Tyrosine Kinases: Their Roles and Their Targeting in Leukemia

2021· review· en· W3120669570 sur OpenAlex
Kalpana K. Bhanumathy, Balagopal Amrutha, Frederick S. Vizeacoumar, Franco J. Vizeacoumar, Andrew Freywald, Vincenzo Giambra

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Myeloid Leukemia Treatments
Établissements canadiensSaskatchewan Cancer AgencyUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésReceptor tyrosine kinaseCancer researchTyrosine kinaseBiologyPlatelet-derived growth factor receptorReceptor Protein-Tyrosine KinasesProtein tyrosine phosphataseROR1Cell biologyKinaseSignal transductionReceptorGrowth factorBiochemistry

Résumé

récupéré en direct d'OpenAlex

Protein kinases constitute a large group of enzymes catalysing protein phosphorylation and controlling multiple signalling events. The human protein kinase superfamily consists of 518 members and represents a complicated system with intricate internal and external interactions. Protein kinases are classified into two main families based on the ability to phosphorylate either tyrosine or serine and threonine residues. Among the 90 tyrosine kinase genes, 58 are receptor types classified into 20 groups and 32 are of the nonreceptor types distributed into 10 groups. Tyrosine kinases execute their biological functions by controlling a variety of cellular responses, such as cell division, metabolism, migration, cell-cell and cell matrix adhesion, cell survival and apoptosis. Over the last 30 years, a major focus of research has been directed towards cancer-associated tyrosine kinases owing to their critical contributions to the development and aggressiveness of human malignancies through the pathological effects on cell behaviour. Leukaemia represents a heterogeneous group of haematological malignancies, characterised by an uncontrolled proliferation of undifferentiated hematopoietic cells or leukaemia blasts, mostly derived from bone marrow. They are usually classified as chronic or acute, depending on the rates of their progression, as well as myeloid or lymphoblastic, according to the type of blood cells involved. Overall, these malignancies are relatively common amongst both children and adults. In malignant haematopoiesis, multiple tyrosine kinases of both receptor and nonreceptor types, including AXL receptor tyrosine kinase (AXL), Discoidin domain receptor 1 (DDR1), Vascular endothelial growth factor receptor (VEGFR), Fibroblast growth factor receptor (FGFR), Mesenchymal-epithelial transition factor (MET), proto-oncogene c-Src (SRC), Spleen tyrosine kinase (SYK) and pro-oncogenic Abelson tyrosine-protein kinase 1 (ABL1) mutants, are implicated in the pathogenesis and drug resistance of practically all types of leukaemia. The role of ABL1 kinase mutants and their therapeutic inhibitors have been extensively analysed in scientific literature, and therefore, in this review, we provide insights into the impact and mechanism of action of other tyrosine kinases involved in the development and progression of human leukaemia and discuss the currently available and emerging treatment options based on targeting these molecules.

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.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,031
Tête enseignante GPT0,303
Écart entre enseignants0,273 · 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