MétaCan
Menu
Retour à la cohorte
Enregistrement W4390893757 · doi:10.1186/s12014-023-09448-3

Kinase inhibitor pulldown assay (KiP) for clinical proteomics

2024· article· en· W4390893757 sur OpenAlexfundno aff
Alexander B. Saltzman, Doug W. Chan, Matthew V. Holt, Junkai Wang, Eric J. Jaehnig, Meenakshi Anurag, Purba Singh, Anna Malovannaya, Beom‐Jun Kim, Matthew J. Ellis

Notice bibliographique

RevueClinical Proteomics · 2024
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer-related Molecular Pathways
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteCenters for Disease Control and PreventionPetroleum Technology Research CentreCancer Prevention and Research Institute of Texas
Mots-clésKinomeKinaseProteomicsQuantitative proteomicsCancer researchPhosphoproteomicsComputational biologyBiologyProtein kinase ACell biologyProtein phosphorylationBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Protein kinases are frequently dysregulated and/or mutated in cancer and represent essential targets for therapy. Accurate quantification is essential. For breast cancer treatment, the identification and quantification of the protein kinase ERBB2 is critical for therapeutic decisions. While immunohistochemistry (IHC) is the current clinical diagnostic approach, it is only semiquantitative. Mass spectrometry-based proteomics offers quantitative assays that, unlike IHC, can be used to accurately evaluate hundreds of kinases simultaneously. The enrichment of less abundant kinase targets for quantification, along with depletion of interfering proteins, improves sensitivity and thus promotes more effective downstream analyses. Multiple kinase inhibitors were therefore deployed as a capture matrix for kinase inhibitor pulldown (KiP) assays designed to profile the human protein kinome as broadly as possible. Optimized assays were initially evaluated in 16 patient derived xenograft models (PDX) where KiP identified multiple differentially expressed and biologically relevant kinases. From these analyses, an optimized single-shot parallel reaction monitoring (PRM) method was developed to improve quantitative fidelity. The PRM KiP approach was then reapplied to low quantities of proteins typical of yields from core needle biopsies of human cancers. The initial prototype targeting 100 kinases recapitulated intrinsic subtyping of PDX models obtained from comprehensive proteomic and transcriptomic profiling. Luminal and HER2 enriched OCT-frozen patient biopsies subsequently analyzed through KiP-PRM also clustered by subtype. Finally, stable isotope labeled peptide standards were developed to define a prototype clinical method. Data are available via ProteomeXchange with identifiers PXD044655 and PXD046169.

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)0,004
score de la tête « metaresearch » (Gemma)0,003
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: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,101

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,003
Méta-épidémiologie (sens strict)0,0030,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0300,024

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 Opus0,102
Tête enseignante GPT0,434
Écart entre enseignants0,332 · 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
GenreMéthodes

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

En bref

Citations11
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical ProteomicsMême sujetCancer-related Molecular PathwaysTravaux en français237 207