MétaCan
Menu
Retour à la cohorte
Enregistrement W4315780417 · doi:10.1038/s41467-023-35789-6

Oncogenic mutations of PIK3CA lead to increased membrane recruitment driven by reorientation of the ABD, p85 and C-terminus

2023· article· en· W4315780417 sur OpenAlexafffund
Meredith L. Jenkins, Harish Ranga-Prasad, Matthew AH Parson, Noah J Harris, Manoj Kumar Rathinaswamy, John E. Burke

Notice bibliographique

RevueNature Communications · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePI3K/AKT/mTOR signaling in cancer
Établissements canadiensUniversity of British ColumbiaUniversity of Victoria
Organismes subventionnairesMichael Smith Health Research BCCancer Research Society
Mots-clésP110αPI3K/AKT/mTOR pathwayMutantC-terminusProtein subunitMutationN-terminusCell biologyChemistryBiologyBiochemistrySignal transductionPeptide sequenceGeneAmino acid

Résumé

récupéré en direct d'OpenAlex

PIK3CA encoding the phosphoinositide 3-kinase (PI3K) p110α catalytic subunit is frequently mutated in cancer, with mutations occurring widely throughout the primary sequence. The full set of mechanisms underlying how PI3Ks are activated by all oncogenic mutations on membranes are unclear. Using a synergy of biochemical assays and hydrogen deuterium exchange mass spectrometry (HDX-MS), we reveal unique regulatory mechanisms underlying PI3K activation. Engagement of p110α on membranes leads to disengagement of the ABD of p110α from the catalytic core, and the C2 domain from the iSH2 domain of the p85 regulatory subunit. PI3K activation also requires reorientation of the p110α C-terminus, with mutations that alter the inhibited conformation of the C-terminus increasing membrane binding. Mutations at the C-terminus (M1043I/L, H1047R, G1049R, and N1068KLKR) activate p110α through distinct mechanisms, with this having important implications for mutant selective inhibitor development. This work reveals unique mechanisms underlying how PI3K is activated by oncogenic mutations, and explains how double mutants can synergistically increase PI3K activity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,031
Tête enseignante GPT0,343
Écart entre enseignants0,313 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations80
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetPI3K/AKT/mTOR signaling in cancerTravaux en français237 207