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
DNA vaccines have been used to generate protective immunity against tumors in a variety of experimental models. The favorite target antigens have been those that are frequently expressed by human tumors, such as carcinoembryonic antigen (CEA), ErbB2/neu, and melanoma-associated antigens. DNA vaccines have the advantage of being simple to construct, produce and deliver. They can activate all arms of the immune system, and allow substantial flexibility in modifying the type of immune response generated through codelivery of cytokine genes. DNA vaccines can be applied by intramuscular, dermal/epidermal, oral, respiratory and other routes, and pose relatively few safety concerns. Compared to other nucleic acid vectors, they are usually devoid of viral or bacterial antigens and can be designed to deliver only the target tumor antigen(s). This is likely to be important when priming a response against weak tumor antigens. DNA vaccines have been more effective in rodents than in larger mammals or humans. However, a large number of methods that might be applied clinically have been shown to ameliorate these vaccines. This includes in vivo electroporation, and/or inclusion of various immunostimulatory molecules, xenoantigens (or their epitopes), antigen-cytokine fusion genes, agents that improve antigen uptake or presentation, and molecules that activate innate immunity mechanisms. In addition, CpG motifs carried by plasmids can overcome the negative effects of regulatory T cells. There have been few studies in humans, but recent clinical trials suggest that plasmid/virus, or plasmid/antigen-adjuvant, prime-boost strategies generate strong immune responses, and confirm the usefulness of plasmid-based vaccination.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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