Insights into targeting LKB1 in tumorigenesis
Notice bibliographique
Résumé
Genetic alterations to serine-threonine kinase 11 ( STK11 ) have been implicated in Peutz-Jeghers syndrome and tumorigenesis. Further exploration of the context-specific roles of liver kinase B1 (LKB1; encoded by STK11 ) observed that it regulates AMP-activated protein kinase (AMPK) and AMPK-related kinases. Given that both migration and proliferation are enhanced with the loss of LKB1 activity combined with the prevalence of STK11 genetic alterations in cancer biopsies, LKB1 was marked as a tumor suppressor. However, the role of LKB1 in tumorigenesis is paradoxical as LKB1 activates autophagy and reactive oxygen species scavenging while dampening anoikis, which contribute to cancer cell survival. Due to the pro-tumorigenic properties of LKB1, targeting LKB1 pathways is now relevant for cancer treatment. With the recent successes of targeting LKB1 signaling in research and clinical settings, and enhanced cytotoxicity of chemical compounds in LKB1-deficient tumors, there is now a need for LKB1 inhibitors. However, validating LKB1 inhibitors is challenging as LKB1 adaptor proteins, nucleocytoplasmic shuttling, and splice variants all manipulate LKB1 activity. Furthermore, STE-20-related kinase adaptor protein (STRAD) and mouse protein 25 dictate LKB1 cellular localization and kinase activity. For these reasons, prior to assessing the efficacy and potency of pharmacological candidates, the functional status of LKB1 needs to be defined. Therefore, to improve the understanding of LKB1 in physiology and oncology, this review highlights the role of LKB1 in tumorigenesis and addresses the therapeutic relevancy of LKB1 inhibitors.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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) | 0,000 | 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 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 ».