MétaCan
Menu
Retour à la cohorte
Enregistrement W2145138842 · doi:10.3109/08830185.2013.818140

B-Cell Receptor Signaling Inhibitors for Treatment of Autoimmune Inflammatory Diseases and B-Cell Malignancies

2013· review· en· W2145138842 sur OpenAlexafffund
Kamal D. Puri, Julie A. Di Paolo, Michael R. Gold

Notice bibliographique

RevueInternational Reviews of Immunology · 2013
Typereview
Langueen
DomaineMedicine
ThématiqueChronic Lymphocytic Leukemia Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCancer researchSignal transductionImmunologyReceptorMedicineB cellBiologyCell biologyInternal medicineAntibody

Résumé

récupéré en direct d'OpenAlex

B-cell receptor (BCR) signaling is essential for normal B-cell development, selection, survival, proliferation, and differentiation into antibody-secreting cells. Similarly, this pathway plays a key role in the pathogenesis of multiple B-cell malignancies. Genetic and pharmacological approaches have established an important role for the Spleen tyrosine kinase (Syk), Bruton's tyrosine kinase (Btk), and phosphatidylinositol 3-kinase isoform p110delta (PI3Kδ) in coupling the BCR and other BCRs to B-cell survival, migration, and activation. In the past few years, several small-molecule inhibitory drugs that target PI3Kδ, Btk, and Syk have been developed and shown to have efficacy in clinical trials for the treatment of several types of B-cell malignancies. Emerging preclinical data have also shown a critical role of BCR signaling in the activation and function of self-reactive B cells that contribute to autoimmune diseases. Because BCR signaling plays a major role in both B-cell-mediated autoimmune inflammation and B-cell malignancies, inhibition of this pathway may represent a promising new strategy for treating these diseases. This review summarizes recent achievements in the mechanism of action, pharmacological properties, and clinical activity and toxicity of these BCR signaling inhibitors, with a focus on their emerging role in treating lymphoid malignancies and autoimmune disorders.

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)0,001
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 enseignants0,975
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0030,001
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 Opus0,047
Tête enseignante GPT0,348
Écart entre enseignants0,301 · 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

Citations66
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Reviews of ImmunologyMême sujetChronic Lymphocytic Leukemia ResearchTravaux en français237 207