Qualitative differences in disease-associated MEK mutants reveal molecular signatures and aberrant signaling-crosstalk in cancer
Notice bibliographique
Résumé
Point-mutations of MEK1, a central component of ERK signaling, are present in cancer and RASopathies, but their precise biological effects remain obscure. Here, we report a mutant MEK1 structure that uncovers the mechanisms underlying abnormal activities of cancer- and RASopathy-associated MEK1 mutants. These two classes of MEK1 mutations differentially impact on spatiotemporal dynamics of ERK signaling, cellular transcriptional programs, gene expression profiles, and consequent biological outcomes. By making use of such distinct characteristics of the MEK1 mutants, we identified cancer- and RASopathy-signature genes that may serve as diagnostic markers or therapeutic targets for these diseases. In particular, two AKT-inhibitor molecules, PHLDA1 and 2, are simultaneously upregulated by oncogenic ERK signaling, and mediate cancer-specific ERK-AKT crosstalk. The combined expression of PHLDA1/2 is critical to confer resistance to ERK pathway-targeted therapeutics on cancer cells. Finally, we propose a therapeutic strategy to overcome this drug resistance. Our data provide vital insights into the etiology, diagnosis, and therapeutic strategy of cancers and RASopathies.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».