Selective Chemokine Receptor-Targeted Depletion of Pathological Cells as A Therapeutic Strategy for Inflammatory, Allergic and Autoimmune Diseases
Notice bibliographique
Résumé
Targeting cell surface antigens or receptors with lytic monoclonal antibodies and specific ligand-directed fusion proteins in order to eliminate cancer cells has been in development for at least forty years. More recently, leukocyte populations known to drive a host of allergic, autoimmune and inflammatory diseases have been targeted. For fusion protein constructs, a number of different classes of cellular toxins have been fused to a variety of ligands such as monoclonal antibodies, growth factors and cytokines. Although there has been great clinical success using these biologics, there are some limitations. The target antigens are often expressed on normal cells leading to side effects. More recently, several groups have explored the use of chemokine receptor ligands and antibodies to target leukocytes and cancer cells. There are a number of inducible chemokine receptors that are only up-regulated in inflammation and their expression is relatively restricted to pathological cells. This confers another degree of specificity on biologics that are composed of chemokine receptor targeting agents. This review discusses articles, recent patents and patent applications that explore the selective depletion of pathological cells by targeting chemokine receptors with chemokine ligands, monoclonal antibodies and different bispecific constructs as a therapeutic strategy for allergic, autoimmune and inflammatory diseases.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».