Tumor necrosis factor, lymphotoxin and cancer
Notice bibliographique
Résumé
Initially TNF has been discovered as an anti-tumor factor, but it is now considered as one of the universal effectors of innate signaling implicating its key role in host defense and inflammation. Other physiological functions of TNF are primarily linked to organization of lymphoid tissues. TNF can exert deleterious effects on the organism when its local or systemic concentrations exceed certain levels. This is the main reason for the failure of TNF therapy in oncology. Moreover, in certain experimental models TNF to TNFRp55 signaling axis was found to play a pro-tumorigenic role. On the other hand, anti-TNF therapy proved to be beneficial in rheumatic and other autoimmune diseases. Taking into consideration the pivotal function of TNF in the immune system, it is obvious that such therapy cannot be entirely free of adverse effects including suppression of host defense and, possibly, predisposition to lymphomas. Lymphotoxins alpha and beta are the two related cytokines that exist in distinct trimeric forms which can signal through TNFR I and TNFR II, as well LTbetaR receptors, depending on the composition of the trimer. These signals have important functions in the development and homeostasis of the immune system. Importantly, there is a recently uncovered link between the LTalpha/LTbeta to LTbetaR signaling axis and cancer. Here we review the current status of the field with the focus on one particular issue: are TNF and lymphotoxins intrinsically anti-cancer or pro-tumorigenic.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».