Discovery and characterization of a first-in-field transcription factor BRN2 inhibitor for the treatment of neuroendocrine prostate cancer
Notice bibliographique
Résumé
Abstract The increased incidence of treatment-emergent neuroendocrine prostate cancer (NEPC) is particularly alarming as this diagnosis is associated with poor prognosis. Despite initial responses to platinum-based chemotherapy, relapses are common and there is no effective second line therapy for NEPC. We previously identified that neuronal transcription factor BRN2 (POU3F2) is a potent driver of neuroendocrine differentiation and an attractive target for NEPC. Utilizing a combination of in silico modeling and X-ray crystallography followed by structure-based lead optimization, we have developed the first potent, specific and orally bioavailable BRN2 inhibitor (B18-94), which inhibits the interaction between BRN2 and DNA. This loss of BRN2 on the chromatin drastically reduces its transcriptional output resulting in downregulation of several known targets in NEPC such as SOX2, ASCL1 and PEG10 . Additionally, B18-94 reduces specifically cell proliferation specifically in multiple NEPC models with no effect on adenocarcinoma and other BRN2 negative prostate cancer models. Importantly, the consistency in the transcriptomic changes driven by B18-94 and or CRISPR/Cas9 mediated BRN2 knockout confirmed the on-target specificity, with both methods of BRN2 inhibition downregulating pathways involved in cellular plasticity and proliferation. Finally, we have demonstrated that B18-94, the first-in-field POU-domain transcription factor inhibitor, significantly reduced tumor growth in several NEPC xenograft models with no observable toxicity, suggesting potential for therapeutic intervention of NEPC.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».