Stratégies génétiques, immunologiques et pharmacologiques au service d’une nouvelle génération de virus anticancéreux
Notice bibliographique
Résumé
Depuis plus d’un siècle, la littérature médicale rapporte des cas d’infections virales à l’origine de régressions tumorales. Ce phénomène, aujourd’hui compris, peut être exploité pour la thérapie des cancers. Il fait intervenir des virus dits oncolytiques. Ces virus, sauvages ou mutés par ingénierie génétique, se répliquent préférentiellement dans les cellules malignes. Ils conduisent à la régression tumorale, selon différents mécanismes dont la lyse directe des cellules cancéreuses et la stimulation d’une réponse immunitaire antitumorale. Plusieurs virus oncolytiques sont en phase avancée d’évaluation clinique et pourraient être approuvés prochainement pour le traitement de certaines tumeurs. Ces résultats sont d’ores et déjà prometteurs. Ils peuvent être améliorés, et diverses stratégies génétiques, immunologiques, et pharmacologiques sont à l’étude afin d’augmenter leur efficacité thérapeutique. Cette synthèse retrace l’historique du développement des virus anticancéreux dits oncolytiques, de leur mise en évidence au siècle précédent à leur évaluation clinique actuelle. Elle présente également les principales stratégies qui ont été utilisées, ou qui sont en développement, pour améliorer l’activité oncolytique et la spécificité tumorale de ces agents thérapeutiques.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,002 |
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 ».