GI
Gareth Inman
Author with expertise in Transforming Growth Factor Beta Signaling Pathway
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
8
(75% Open Access)
Cited by:
3,925
h-index:
37
/
i10-index:
59
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

A complex secretory program orchestrated by the inflammasome controls paracrine senescence

Juan Acosta et al.Jun 14, 2013
Oncogene-induced senescence (OIS) is crucial for tumour suppression. Senescent cells implement a complex pro-inflammatory response termed the senescence-associated secretory phenotype (SASP). The SASP reinforces senescence, activates immune surveillance and paradoxically also has pro-tumorigenic properties. Here, we present evidence that the SASP can also induce paracrine senescence in normal cells both in culture and in human and mouse models of OIS in vivo. Coupling quantitative proteomics with small-molecule screens, we identified multiple SASP components mediating paracrine senescence, including TGF-β family ligands, VEGF, CCL2 and CCL20. Amongst them, TGF-β ligands play a major role by regulating p15INK4b and p21CIP1. Expression of the SASP is controlled by inflammasome-mediated IL-1 signalling. The inflammasome and IL-1 signalling are activated in senescent cells and IL-1α expression can reproduce SASP activation, resulting in senescence. Our results demonstrate that the SASP can cause paracrine senescence and impact on tumour suppression and senescence in vivo. A property of oncogene-induced senescence (OIS) is the induction of a secretory phenotype, termed the senescence-associated secretome (SASP). Gil and colleagues now provide evidence that senescence can be transmitted in a paracrine manner, by showing that induction of the SASP in cells undergoing OIS by inflammasome-mediated interleukin-1 signalling can promote senescence of normal neighbouring cells.
0
Citation1,749
0
Save
0

SB-431542 Is a Potent and Specific Inhibitor of Transforming Growth Factor-β Superfamily Type I Activin Receptor-Like Kinase (ALK) Receptors ALK4, ALK5, and ALK7

Gareth Inman et al.Jul 1, 2002
Small molecule inhibitors have proven extremely useful for investigating signal transduction pathways and have the potential for development into therapeutics for inhibiting signal transduction pathways whose activities contribute to human diseases. Transforming growth factor β (TGF-β) is a member of a large family of pleiotropic cytokines that are involved in many biological processes, including growth control, differentiation, migration, cell survival, adhesion, and specification of developmental fate, in both normal and diseased states. TGF-β superfamily members signal through a receptor complex comprising a type II and type I receptor, both serine/threonine kinases. Here, we characterize a small molecule inhibitor (SB-431542) that was identified as an inhibitor of activin receptor-like kinase (ALK)5 (the TGF-β type I receptor). We demonstrate that it inhibits ALK5 and also the activin type I receptor ALK4 and the nodal type I receptor ALK7, which are very highly related to ALK5 in their kinase domains. It has no effect on the other, more divergent ALK family members that recognize bone morphogenetic proteins (BMPs). Consistent with this, we demonstrate that SB-431542 is a selective inhibitor of endogenous activin and TGF-β signaling but has no effect on BMP signaling. To demonstrate the specificity of SB-431542, we tested its effect on several other signal transduction pathways whose activities depend on the concerted activation of multiple kinases. SB-431542 has no effect on components of the ERK, JNK, or p38 MAP kinase pathways or on components of the signaling pathways activated in response to serum.
0

The helminth TGF-beta mimic TGM4 is a modular ligand that binds CD44, CD49d and TGF-beta receptors to preferentially target myeloid cells

Shashi Singh et al.Jan 1, 2023
The murine helminth parasite Heligmosomoides polygyrus expresses a family of modular proteins which, replicating the functional activity of the immunomodulatory cytokine TGF-beta, have been named TGM (TGF-beta beta Mimic). Multiple domains bind to different receptors, including TGF-beta receptors TbetaRI (ALK5) and TbetaRII through domains 1-3, and prototypic family member TGM1 binds the cell surface co-receptor CD44 through domains 4-5. This allows TGM1 to induce T lymphocyte Foxp3 expression, characteristic of regulatory (Treg) cells, and to activate a range of TGF-beta-responsive cell types. In contrast, a related protein, TGM4, targets a much more restricted cell repertoire, primarily acting on myeloid cells, with less potent effects on T cells and lacking activity on other TGF-beta-responsive cell types. TGM4 binds avidly to myeloid cells by flow cytometry, and can outcompete TGM1 for cell binding. Analysis of receptor binding in comparison to TGM1 reveals a 10-fold higher affinity than TGM1 for TGFbetaR-I (TbetaRI), but a 100-fold lower affinity for TbetaRII through Domain 3. Consequently, TGM4 is more dependent on co-receptor binding; in addition to CD44, TGM4 also engages CD49d (Itga4) through Domains 1-3, as well as CD206 and Neuropilin-1 through Domains 4 and 5. TGM4 was found to effectively modulate macrophage populations, inhibiting lipopolysaccharide-driven inflammatory cytokine production and boosting interleukin (IL)-4-stimulated responses such as Arginase-1 in vitro and in vivo. These results reveal that the modular nature of TGMs has allowed the fine tuning of the binding affinities of the TbetaR- and co-receptor binding domains to establish cell specificity for TGFbeta-signalling in a manner that cannot be attained by the mammalian cytokine.
0

TGM6, a helminth secretory product, mimics TGF-β binding to TβRII to antagonize TGF-β signaling in fibroblasts

Stephen White et al.Dec 23, 2023
ABSTRACT The murine helminth parasite Heligmosomoides polygyrus expresses a family of proteins structurally related to TGF-β Mimic 1 (TGM1), a secreted five domain protein that activates the TGF-β pathway and converts naïve T lymphocytes to immunosuppressive Tregs. TGM1 signals through the TGF-β type I and type II receptors, TβRI and TβRII, with domains 1-2 and 3 binding TβRI and TβRII, respectively, and domains 4-5 binding CD44, a co-receptor abundant on T cells. TGM6 is a homologue of TGM1 that is co-expressed with TGM1, but lacks domains 1 and 2. Herein, we show that TGM6 binds TβRII through domain 3, but does not bind TβRI, or other type I or type II receptors of the TGF-β family. In TGF-β reporter assays in fibroblasts, TGM6, but not truncated TGM6 lacking domains 4 and 5, potently inhibits TGF-β- and TGM1-induced signaling, consistent with its ability to bind TβRII but not TβRI or other receptors of the TGF-β family. However, TGM6 does not bind CD44 and is unable to inhibit TGF-β and TGM1 signaling in T cells. To understand how TGM6 binds TβRII, the X-ray crystal structure of the TGM6 domain 3 bound to TβRII was determined at 1.4 Å. This showed that TGM6 domain 3 binds TβRII through an interface remarkably similar to the TGF-β:TβRII interface. These results suggest that TGM6 has adapted its domain structure and sequence to mimic TGF-β binding to TβRII and function as a potent TGF-β and TGM1 antagonist in fibroblasts. The coexpression of TGM6, along with the immunosuppressive TGMs that activate the TGF-β pathway, may prevent tissue damage caused by the parasite as it progresses through its life cycle from the intestinal lumen to submucosal tissues and back again.
0

Development and external validation of a head and neck cancer risk prediction model

Craig Smith et al.Jun 8, 2024
Abstract Background Head and neck cancer (HNC) incidence is on the rise, often diagnosed at late stage and associated with poor prognoses. Risk prediction tools have a potential role in prevention and early detection. Methods The IARC‐ARCAGE European case–control study was used as the model development dataset. A clinical HNC risk prediction model using behavioral and demographic predictors was developed via multivariable logistic regression analyses. The model was then externally validated in the UK Biobank cohort. Model performance was tested using discrimination and calibration metrics. Results 1926 HNC cases and 2043 controls were used for the development of the model. The development dataset model including sociodemographic, smoking, and alcohol variables had moderate discrimination, with an area under curve (AUC) value of 0.75 (95% CI, 0.74–0.77); the calibration slope (0.75) and tests were suggestive of good calibration. 384 616 UK Biobank participants (with 1177 HNC cases) were available for external validation of the model. Upon external validation, the model had an AUC of 0.62 (95% CI, 0.61–0.64). Conclusion We developed and externally validated a HNC risk prediction model using the ARCAGE and UK Biobank studies, respectively. This model had moderate performance in the development population and acceptable performance in the validation dataset. Demographics and risk behaviors are strong predictors of HNC, and this model may be a helpful tool in primary dental care settings to promote prevention and determine recall intervals for dental examination. Future addition of HPV serology or genetic factors could further enhance individual risk prediction.