Novel Approaches for Targeted Cancer Therapy
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
The clinical use of chemotherapeutic agents against malignant tumors is successful in many cases but suffers from major drawbacks. One drawback is lack of selectivity, which leads to severe side effects and limited efficacy; and another is the emergence/selection of drug-resistance. To limit non-specific toxicity and to improve the efficiency of cancer therapy, "tumor markers", which are proteins generally overexpressed on the surface of tumor cells, can be selectively targeted. Growth factor receptors are one of the most extensively studied tumor markers. The implication of growth factor receptors in the pathogenesis and evolution of cancer has clearly been established and therefore, provides a rationale for therapeutic intervention. The targeting of cytotoxic substances to tumor markers with "magic bullets" is an old idea that raised high expectations but also disappointment. Over the past decade, newly gained understanding of mechanisms for targeted therapy have brought new hopes. Pharmacological agents that selectively target and block the action of growth factors and their receptors have been attempted, such as monoclonal antibodies (mAbs) (whole molecule or fragments), bispecific antibodies, mAbs conjugated to drugs, toxins or radioisotopes, small peptidic and peptidomimetic molecules in free form or conjugated to drugs, anti-sense oligonucleotides, immunoliposomes-encapsulated drugs, and small molecule inhibitors. This review will focus on current developments of selective targeting and bypassing drug resistance in the management of growth factor receptor-overexpressing tumors.
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) | 0,004 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle