Involvement of the AKT Pathway in Resistance to Erlotinib and Cabozantinib in Triple-Negative Breast Cancer Cell Lines
Notice bibliographique
Résumé
Resistance to protein tyrosine kinase inhibitors (TKIs) presents a significant challenge in therapeutic target development for cancers such as triple-negative breast cancer (TNBC), where conventional therapies are ineffective at combatting systemic disease. Due to increased expression, the receptor tyrosine kinases EGFR (epidermal growth factor receptor) and c-Met are potential targets for treatment. However, targeted anti-EGFR and anti-c-Met therapies have faced mixed results in clinical trials due to acquired resistance. We hypothesize that adaptive responses in regulatory kinase networks within the EGFR and c-Met signaling axes contribute to the development of acquired erlotinib and cabozantinib resistance. To test this, we developed two separate models for cabozantinib and erlotinib resistance using the MDA-MB-231 and MDA-MB-468 cell lines, respectively. We observed that erlotinib- or cabozantinib-resistant cell lines demonstrate enhanced cell proliferation, migration, invasion, and activation of EGFR or c-Met downstream signaling (respectively). Using a SILAC (Stable Isotope Labeling of Amino acids in Cell Culture)-labeled quantitative mass spectrometry proteomics approach, we assessed the effects of erlotinib or cabozantinib resistance on the phosphoproteome, proteome, and kinome. Using this integrated proteomics approach, we identified several potential kinase mediators of cabozantinib resistance and confirmed the contribution of AKT1 to erlotinib resistance in TNBC-resistant cell lines.
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 | 0,001 |
| 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) | 0,000 | 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 ».