Attacking Postoperative Metastases using Perioperative Oncolytic Viruses and Viral Vaccines
Notice bibliographique
Résumé
Surgical resection of solid primary malignancies is a mainstay of therapy for cancer patients. Despite being the most effective treatment for these tumors, cancer surgery has been associated with impaired metastatic clearance due to immunosuppression. In preclinical surgery models and human cancer patients, we and others have demonstrated a profound suppression of both natural killer (NK) and T cell function in the postoperative period and this plays a major role in the enhanced development of metastases following surgery. Oncolytic viruses (OV) were originally designed to selectively infect and replicate in tumors, with the primary objective of directly lysing cancer cells. It is becoming increasingly clear, however, that OV infection results in a profound inflammatory reaction within the tumor, initiating innate and adaptive immune responses against it that is critical for its therapeutic benefit. This anti-tumor immunity appears to be mediated predominantly by NK and cytotoxic T cells. In preclinical models, we found that preoperative OV prevents postoperative NK cell dysfunction and attenuates tumor dissemination. Due to theoretical safety concerns of administering live virus prior to surgery in cancer patients, we characterized safe, attenuated versions of OV, and viral vaccines that could stimulate NK cells and reduce metastases when administered in the perioperative period. In cancer patients, we observed that in vivo infusion with oncolytic vaccinia virus and ex vivo stimulation with viral vaccines promote NK cell activation. These preclinical studies provide a novel and clinically relevant setting for OV therapy. Our challenge is to identify safe and promising OV therapies that will activate NK and T cells in the perioperative period preventing the establishment of micrometastatic disease in cancer patients.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 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 ».