Kinase inhibitor pulldown assay (KiP) for clinical proteomics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
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.
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 | 0,006 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 découle