Homing to solid cancers: a vascular checkpoint in adoptive cell therapy using CAR T-cells
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 success of adoptive T-cell therapies for the treatment of cancer patients depends on transferred T-lymphocytes finding and infiltrating cancerous tissues. For intravenously transferred T-cells, this means leaving the bloodstream (extravasation) from tumour blood vessels. In inflamed tissues, a key event in extravasation is the capture, rolling and arrest of T-cells inside blood vessels which precedes transmigration across the vessel wall and entry into tissues. This depends on co-ordinated signalling of selectins, integrins and chemokine receptors on T-cells by their respective ligands which are up-regulated on inflamed blood vessels. Clinical data and experimental studies in mice suggest that tumour blood vessels are anergic to inflammatory stimuli and the recruitment of cytotoxic CD8(+)T-lymphocytes is not very efficient. Interestingly, and somewhat counter-intuitively, anti-angiogenic therapy can promote CD8(+)T-cell infiltration of tumours and increase the efficacy of adoptive CD8(+)T-cell therapy. Rather than inhibit tumour angiogenesis, anti-angiogenic therapy 'normalizes' (matures) tumour blood vessels by promoting pericyte recruitment, increasing tumour blood vessel perfusion and sensitizing tumour blood vessels to inflammatory stimuli. A number of different approaches are currently being explored to increase recruitment by manipulating the expression of homing-associated molecules on T-cells and tumour blood vessels. Future studies should address whether these approaches improve the efficacy of adoptive T-cell therapies for solid, vascularized cancers in 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.
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) | 0,002 | 0,003 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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