Identification of proteins and cellular pathways targeted by 2-nitroimidazole hypoxic cytotoxins
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.
Notice bibliographique
Résumé
Tumour hypoxia negatively impacts therapy outcomes and continues to be a major unsolved clinical problem. Nitroimidazoles are hypoxia selective compounds that become entrapped in hypoxic cells by forming drug-protein adducts. They are widely used as hypoxia diagnostics and have also shown promise as hypoxia-directed therapeutics. However, little is known about the protein targets of nitroimidazoles and the resulting effects of their modification on cancer cells. Here, we report the synthesis and applications of azidoazomycin arabinofuranoside (N3-AZA), a novel click-chemistry compatible 2-nitroimidazole, designed to facilitate (a) the LC-MS/MS-based proteomic analysis of 2-nitroimidazole targeted proteins in FaDu head and neck cancer cells, and (b) rapid and efficient labelling of hypoxic cells and tissues. Bioinformatic analysis revealed that many of the 62 target proteins we identified participate in key canonical pathways including glycolysis and HIF1A signaling that play critical roles in the cellular response to hypoxia. Critical cellular proteins such as the glycolytic enzyme glyceraldehyde-3-phosphate dehydrogenase (GAPDH) and the detoxification enzyme glutathione S-transferase P (GSTP1) appeared as top hits, and N3-AZA adduct formation significantly reduced their enzymatic activities only under hypoxia. Therefore, GAPDH, GSTP1 and other proteins reported here may represent candidate targets to further enhance the potential for nitroimidazole-based cancer therapeutics.
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 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 découle