Anti-angiogenic therapy for cancer: current progress, unresolved questions and future directions
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Tumours require a vascular supply to grow and can achieve this via the expression of pro-angiogenic growth factors, including members of the vascular endothelial growth factor (VEGF) family of ligands. Since one or more of the VEGF ligand family is overexpressed in most solid cancers, there was great optimism that inhibition of the VEGF pathway would represent an effective anti-angiogenic therapy for most tumour types. Encouragingly, VEGF pathway targeted drugs such as bevacizumab, sunitinib and aflibercept have shown activity in certain settings. However, inhibition of VEGF signalling is not effective in all cancers, prompting the need to further understand how the vasculature can be effectively targeted in tumours. Here we present a succinct review of the progress with VEGF-targeted therapy and the unresolved questions that exist in the field: including its use in different disease stages (metastatic, adjuvant, neoadjuvant), interactions with chemotherapy, duration and scheduling of therapy, potential predictive biomarkers and proposed mechanisms of resistance, including paradoxical effects such as enhanced tumour aggressiveness. In terms of future directions, we discuss the need to delineate further the complexities of tumour vascularisation if we are to develop more effective and personalised anti-angiogenic therapies.
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.
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) | 0,001 | 0,002 |
| 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 | 0,001 | 0,000 |
| 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 découle