Notice bibliographique
Résumé
The understanding of cytokine networks and the exploitation of these networks for the treatment of immune and inflammatory diseases as well as cancer depend on in vivo delivery of cytokines. Due to instability of recombinant cytokine proteins, investigators have employed cytokine-encoding gene therapy vectors to induce high levels of cytokine expression in vivo. Numerous gene therapy vectors have been developed recently which are suitable for this purpose. Recent advances in the design of adenovirus, adeno-associated virus, poxvirus, retrovirus, lentivirus, and nonviral vectors are described here. Properties of the various vector systems which determine their usefulness for cytokine gene delivery are compared. The implementations of cytokine-encoding gene therapy vectors for analyzing immune responses and for the therapy of inflammatory disorders, immune disease, infections and cancer are reviewed. Keywords: Gene Vectors, Cytokine Exprssion, Recombinant, Cancer, Immune, Inflammatory Diseases, adenovirus, Poxvirus, retrovirus, lentivirus, nonviral vectors, gene regulation, Transcription, RNA, Molecular Biology, Wild Type, EIA, ITRs, dCMP, Poxviral, Vaccinia, Retroviral, Leukemia, CD4, MLV, Lentiviral, Pro Inflammatory Matory Vectors, Coxsackie adenovirus receptor, Serotype 2, Murine leukemia, Granulocyte macrophage colony stimulatin, Interleukin, Transforming growth, interferon, Tumor necrosis, Helper T cell, Dendritic
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,008 |
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 ».