Data from Kinome Profiling in Pediatric Brain Tumors as a New Approach for Target Discovery
Notice bibliographique
Résumé
Abstract Progression in pediatric brain tumor growth is thought to be the net result of signaling through various protein kinase-mediated networks driving cell proliferation. Defining new targets for treatment of human malignancies, without a priori knowledge on aberrant cell signaling activity, remains exceedingly complicated. Here, we introduce kinome profiling using flow-through peptide microarrays as a new concept for target discovery. Comprehensive tyrosine kinase activity profiles were identified in 29 pediatric brain tumors using the PamChip kinome profiling system. Previously reported activity of epidermal growth factor receptor, c-Met, and vascular endothelial growth factor receptor in pediatric brain tumors could be appreciated in our array results. Peptides corresponding with phosphorylation consensus sequences for Src family kinases showed remarkably high levels of phosphorylation compared with normal tissue types. Src activity was confirmed applying Phos-Tag SDS-PAGE. Furthermore, the Src family kinase inhibitors PP1 and dasatinib induced substantial tumor cell death in nine pediatric brain tumor cell lines but not in control cell lines. Thus, this study describes a new high-throughput technique to generate clinically relevant tyrosine kinase activity profiles as has been shown here for pediatric brain tumors. In the era of a rapidly increasing number of small-molecule inhibitors, this approach will enable us to rapidly identify new potential targets in a broad range of human malignancies. [Cancer Res 2009;69(14):5987–95]
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».