Recent insights into the therapeutic strategies targeting the pseudokinase PTK7 in cancer
Notice bibliographique
Résumé
The generation of drugs counteracting deregulated protein kinases has been a major focus in cancer therapy development. Breakthroughs in this effort have produced many therapeutic agents to the benefit of patients, mostly through the development of chemical or antibody-based drugs targeting active kinases. These strategies are challenged when considering catalytically inactive protein kinases (or pseudokinases), which represent 10% of the human kinome with many of relevance in cancer. Among the so-called pseudotyrosine kinases, the PTK7 receptor tyrosine kinase (RTK) stands as a bona fide target overexpressed in several solid tumors and hematological malignancies and linked to metastasis, poor prognosis, and resistance to treatment. Despite the lack of catalytic activity, PTK7 has signaling capacities through heterodimerization with active RTKs and offers pharmacological targeting opportunities through its inactive kinase domain. Moreover, PTK7-targeting strategies based on antibody-drug conjugates, aptamers, and CAR-T cell-based therapies have demonstrated encouraging results in preclinical and clinical settings. We review the most recent data assigning to PTK7 a prominent role in cancer progression as well as current preclinical and clinical targeting strategies against RTK family pseudokinases including PTK7.
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 | 0,000 |
| 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 ».