Proteomics and phosphoproteomics of chordoma biopsies reveal alterations in multiple pathways and aberrant kinases activities
Notice bibliographique
Résumé
Background: Chordoma is a slow-growing but malignant subtype of bone sarcoma with relatively high recurrence rates and high resistance to chemotherapy. It is urgent to understand the underlying regulatory networks to determine more effective potential targets. Phosphorylative regulation is currently regarded as playing a significant role in tumorigenesis, and the use of tyrosine kinase inhibitors in clinical practice has yielded new promise for the treatment of a variety of sarcoma types. Materials and methods: We performed comprehensive proteomic and phosphoproteomic analyses of chordoma using four-dimensional label-free liquid chromatography-tandem mass spectrometry (LC-MS/MS) and bioinformatics analysis. The potential aberrantly expressed kinases and their functions were validated using western blotting and CCK-8 assays. Results: Compared with paired normal muscle tissues, 1,139 differentially expressed proteins (DEPs) and 776 differentially phosphorylated proteins (DPPs) were identified in chordoma tumor tissues. The developmentally significant Wnt-signaling pathway and oxidative phosphorylation were aberrant in chordoma. Moreover, we predicted three kinases (AURA, CDK9, and MOK) with elevated activity by kinase-pathway network analysis (KiPNA) and verified their increased expression levels. The knockdown of these kinases markedly suppressed chordoma cell growth, and this was also the case for cells treated with the CDK9 inhibitor AZD4573. We additionally examined 208 proteins whose expression and phosphorylation levels were synergetically altered. Conclusions: We herein depicted the collective protein profiles of chordomas, providing insight into chordomagenesis and the potential development of new therapeutic targets.
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 ».