Azidohomoalanine (AHA) Metabolic Labeling Reveals Unique Proteomic Insights into Protein Synthesis and Degradation in Response to Bortezomib Treatment
Notice bibliographique
Résumé
BACKGROUND: Multiple myeloma (MM) is essentially an incurable cancer, but treatments with proteasome inhibitors are widely used clinically to extend patient survival. While the mechanisms of proteasome inhibition by Bortezomib are well known, the cellular responses to this proteotoxic stress that leads to sensitivity by MM are not fully elucidated. This study reports on the application of an emerging method to investigate proteostasis by proteomics. METHODS: We utilized metabolic labeling with azidohomoalanine (AHA) in a MM cell line in combination with Bortezomib treatment. AHA labeling facilitates the selective isolation and identification of proteins for investigations of protein synthesis or protein degradation. RESULTS: The data collected reveals significant changes in gene protein synthesis upon Bortezomib treatment, including protein neddylation. The data also reveals a global increase in protein degradation, which suggests the induction of an autophagy-related process. The resulting data collected reveals significant changes upon Bortezomib treatment in protein synthesis of genes, including protein neddylation, and protein degradation data reveals a global increase in protein degradation, suggesting an induction of an autophagy-related process. Subsequent cellular and proteomic analysis investigated the additional treatment of an autophagy inhibitor, hydroxychloroquine, in combination with Bortezomib treatment by label-free proteomics to further characterize the proteome-wide changes in these two proteotoxic stresses. CONCLUSIONS: AHA metabolic labeling proteomics to investigate protein synthesis and degradation enables novel complementary insights into complex cellular responses compared to that of traditional label-free proteomics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».