Proteomics reveal cap-dependent translation inhibitors remodel the translation machinery and translatome
Notice bibliographique
Résumé
Tactical disruption of protein synthesis is an attractive therapeutic strategy, with the first-in-class eIF4A-targeting compound zotatifin in clinical evaluation for cancer and COVID-19. The full cellular impact and mechanisms of these potent molecules are undefined at a proteomic level. Here, we report mass spectrometry analysis of translational reprogramming by rocaglates, cap-dependent initiation disruptors that include zotatifin. We find effects to be far more complex than simple "translational inhibition" as currently defined. Translatome analysis by TMT-pSILAC (tandem mass tag-pulse stable isotope labeling with amino acids in cell culture mass spectrometry) reveals myriad upregulated proteins that drive hitherto unrecognized cytotoxic mechanisms, including GEF-H1-mediated anti-survival RHOA/JNK activation. Surprisingly, these responses are not replicated by eIF4A silencing, indicating a broader translational adaptation than currently understood. Translation machinery analysis by MATRIX (mass spectrometry analysis of active translation factors using ribosome density fractionation and isotopic labeling experiments) identifies rocaglate-specific dependence on specific translation factors including eEF1ε1 that drive translatome remodeling. Our proteome-level interrogation reveals that the complete cellular response to these historical "translation inhibitors" is mediated by comprehensive translational landscape remodeling.
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 | 0,000 |
| 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 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 ».