MétaCan
Menu
Retour à la cohorte
Enregistrement W2520704033 · doi:10.1158/1078-0432.ccr-16-0933

Molecular Pathways: Targeting CD96 and TIGIT for Cancer Immunotherapy

2016· review· en· W2520704033 sur OpenAlexaff
Stephen J. Blake, William C. Dougall, John J. Miles, Michele W.L. Teng, Mark J. Smyth

Notice bibliographique

RevueClinical Cancer Research · 2016
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesCancer Council QueenslandNational Health and Medical Research CouncilMedical Research CouncilBristol-Myers SquibbCancer Research Institute
Mots-clésTIGITImmune systemCancer researchImmunotherapyCancer immunotherapyImmunologyDownregulation and upregulationBiology

Résumé

récupéré en direct d'OpenAlex

Abstract The receptors CD96 and TIGIT are expressed on the surface of T and natural killer (NK) cells, and recent studies suggest both play important inhibitory roles in immune function. CD96 has been shown to modulate immune cell activity in mice, with Cd96−/− mice displaying hypersensitive NK-cell responses to immune challenge and significant tumor resistance. TIGIT overexpression has been shown to reduce NK-cell–mediated cytotoxicity. TIGIT is also upregulated on T cells during cancer and chronic viral infection, with expression associated with effector T-cell exhaustion and increased regulatory T-cell suppression. The counterbalance between the putative inhibitory CD96 and TIGIT receptors and the activating receptor, CD226, offers unique strategies for immuno-oncology drug development. Blocking CD96 or TIGIT with mAbs has been shown to improve tumor control in mice, in particular when used in combination with PD-1/PD-L1 blockade. These results have highlighted these pathways as promising new targets for immune modulation. This review will examine the rationale behind targeting CD96 and TIGIT, and discuss the potential approaches in translating these preclinical findings into novel clinical agents. Clin Cancer Res; 22(21); 5183–8. ©2016 AACR.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,282
Tête enseignante GPT0,530
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations214
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetImmune Cell Function and InteractionTravaux en français237 207