SF
Stephen Fawell
Author with expertise in Computational Methods in Drug Discovery
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
9
(56% Open Access)
Cited by:
4,396
h-index:
46
/
i10-index:
75
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Discovery of a Novel ERK Inhibitor with Activity in Models of Acquired Resistance to BRAF and MEK Inhibitors

Erick Morris et al.Apr 25, 2013
Abstract The high frequency of activating RAS or BRAF mutations in cancer provides strong rationale for targeting the mitogen-activated protein kinase (MAPK) pathway. Selective BRAF and MAP-ERK kinase (MEK) inhibitors have shown clinical efficacy in patients with melanoma. However, the majority of responses are transient, and resistance is often associated with pathway reactivation of the extracellular signal-regulated kinase (ERK) signaling pathway. Here, we describe the identification and characterization of SCH772984, a novel and selective inhibitor of ERK1/2 that displays behaviors of both type I and type II kinase inhibitors. SCH772984 has nanomolar cellular potency in tumor cells with mutations in BRAF, NRAS, or KRAS and induces tumor regressions in xenograft models at tolerated doses. Importantly, SCH772984 effectively inhibited MAPK signaling and cell proliferation in BRAF or MEK inhibitor–resistant models as well as in tumor cells resistant to concurrent treatment with BRAF and MEK inhibitors. These data support the clinical development of ERK inhibitors for tumors refractory to MAPK inhibitors. Significance: BRAF and MEK inhibitors have activity in MAPK-dependent cancers with BRAF or RAS mutations. However, resistance is associated with pathway alterations resulting in phospho-ERK reactivation. Here, we describe a novel ERK1/2 kinase inhibitor that has antitumor activity in MAPK inhibitor-naïve and MAPK inhibitor-resistant cells containing BRAF or RAS mutations. Cancer Discov; 3(7); 742–50. ©2013 AACR. See related commentary by Nissan et al., p. 719 This article is highlighted in the In This Issue feature, p. 705
0
Citation611
0
Save
0

Drug mechanism-of-action discovery through the integration of pharmacological and CRISPR screens

Henning Schmidt et al.Jan 14, 2020
Low success rates during drug development are due in part to the difficulty of defining drug mechanism-of-action and molecular markers of therapeutic activity. Here, we integrated 199,219 drug sensitivity measurements for 397 unique anti-cancer drugs and genome-wide CRISPR loss-of-function screens in 484 cell lines to systematically investigate in cellular drug mechanism-of-action. We observed an enrichment for positive associations between drug sensitivity and knockout of their nominal targets, and by leveraging protein-protein networks we identified pathways that mediate drug response. This revealed an unappreciated role of mitochondrial E3 ubiquitin-protein ligase MARCH5 in sensitivity to MCL1 inhibitors. We also estimated drug on-target and off-target activity, informing on specificity, potency and toxicity. Linking drug and gene dependency together with genomic datasets uncovered contexts in which molecular networks when perturbed mediate cancer cell loss-of-fitness, and thereby provide independent and orthogonal evidence of biomarkers for drug development. This study illustrates how integrating cell line drug sensitivity with CRISPR loss-of-function screens can elucidate mechanism-of-action to advance drug development.
0

A cancer pharmacogenomic screen powering crowd-sourced advancement of drug combination prediction

Michael Menden et al.Oct 9, 2017
The effectiveness of most cancer targeted therapies is short lived since tumors evolve and develop resistance. Combinations of drugs offer the potential to overcome resistance, however the number of possible combinations is vast necessitating data-driven approaches to find optimal treatments tailored to a patient's tumor. AstraZeneca carried out 11,576 experiments on 910 drug combinations across 85 cancer cell lines, recapitulating in vivo response profiles. These data, the largest openly available screen, were hosted by DREAM alongside deep molecular characterization from the Sanger Institute for a Challenge to computationally predict synergistic drug pairs and associated biomarkers. 160 teams participated to provide the most comprehensive methodological development and subsequent benchmarking to date. Winning methods incorporated prior knowledge of putative drug target interactions. For >60% of drug combinations synergy was reproducibly predicted with an accuracy matching biological replicate experiments, however 20% of drug combinations were poorly predicted by all methods. Genomic rationale for synergy predictions were identified, including antagonism unique to combined PIK3CB/D inhibition with the ADAM17 inhibitor where synergy is seen with other PI3K pathway inhibitors. All data, methods and code are freely available as a resource to the community.