MétaCan
Menu
Retour à la cohorte
Enregistrement W2027381742 · doi:10.1089/cbr.2010.0793

Radiotracers for Noninvasive Molecular Imaging of Tumor Cell Death

2010· review· en· W2027381742 sur OpenAlexafffund
Janice Kapty, David Murray, John R. Mercer

Notice bibliographique

RevueCancer Biotherapy and Radiopharmaceuticals · 2010
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCell death mechanisms and regulation
Établissements canadiensUniversity of Alberta
Organismes subventionnairesKillam TrustsCancer Research Institute
Mots-clésProgrammed cell deathAutophagyApoptosisMedicineMechanism (biology)Clinical trialCancerMolecular imagingCancer researchCellNeuroscienceBioinformaticsPathologyBiologyIn vivoInternal medicine

Résumé

récupéré en direct d'OpenAlex

The need to monitor cancer therapy-induced cellular and tissue changes using noninvasive imaging techniques continues to stimulate both basic and clinical research. Monitoring changes in cellular proliferative capacity that occur after treatment with radiation and/or chemotherapy has the potential to provide longitudinal information on the cellular dynamics of tumors before, during, and after therapeutic intervention. Cells can lose their reproductive potential through one of several mechanisms, including apoptosis and autophagy (which are forms of programmed cell death), premature senescence, or necrosis. When a tumor responds to therapy, current imaging methods do not provide information about the exact mechanism of cell death executed. We are now beginning to develop the molecular imaging tools that will enable us to noninvasively image cell death mechanisms both in experimental models and in the clinical cancer environment. Studies with these imaging tools will contribute to a better understanding of therapeutic responses and assist in the design and evaluation of more effective treatments. This review examines the state-of-the-art in the use of (radio)tracers for the purpose of imaging mechanisms of tumor cell inactivation (cell death) in animal models and in clinical trials.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,858
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,030
Tête enseignante GPT0,375
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2010
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Biotherapy and RadiopharmaceuticalsMême sujetCell death mechanisms and regulationTravaux en français237 207