Tumor angiogenesis: past, present and the near future
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 concept of treating solid tumors by inhibiting tumor angiogenesis was first articulated almost 30 years ago. For the next 10 years it attracted little scientific interest. This situation changed, relatively slowly, over the succeeding decade with the discovery of the first pro-angiogenic molecules such as basic fibroblast growth factor and vascular endothelial growth factor (VEGF), and the development of methods of successfully growing vascular endothelial cells in culture as well as in vivo assays of angiogenesis. However, the 1990s have witnessed a striking change in both attitude and interest in tumor angiogenesis and anti-angiogenic drug development, to the point where a remarkably diverse group of over 24 such drugs is currently undergoing evaluation in phase I, II or III clinical trials. In this review I will discuss the many reasons for this. These features, together with other recent discoveries have created intense interest in initiating and expanding anti-angiogenic drug discovery programs in both academia and industry, and the testing of such newly developed drugs, either alone, or in various combinations with conventional cytotoxic therapeutics. However, significant problems remain in the clinical application of angiogenesis inhibitors such as the need for surrogate markers to monitor the effects of such drugs when they do not cause tumor regressions, and the design of clinical trials. Also of concern is that the expected need to use anti-angiogenic drugs chronically will lead to delayed toxic side effects in humans, which do not appear in rodents, especially in short-term studies.
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 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,000 |
| 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