Customized Viral Immunotherapy for HPV-Associated Cancer
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
Abstract The viral-transforming proteins E6 and E7 make human papillomavirus–positive (HPV+) malignancies an attractive target for cancer immunotherapy. However, therapeutic vaccination exerts limited efficacy in the setting of advanced disease. We designed a strategy to induce substantial specific immune responses against multiple epitopes of E6 and E7 proteins based on an attenuated transgene from HPV serotypes 16 and 18 that is incorporated into MG1-Maraba virotherapy (MG1-E6E7). Mutations introduced to the transgene abrogate the ability of E6 and E7 to perturb p53 and retinoblastoma, respectively, while maintaining the ability to invoke tumor-specific, multifunctional CD8+ T-cell responses. Boosting with MG1-E6E7 significantly increased the magnitude of T-cell responses compared with mice treated with a priming vaccine alone (greater than 50 × 106 E7-specific CD8+ T cells per mouse was observed, representing a 39-fold mean increase in boosted animals). MG1-E6E7 vaccination in the HPV+ murine model TC1 clears large tumors in a CD8+-dependent manner and results in durable immunologic memory. MG1-Maraba can acutely alter the tumor microenvironment in vivo and exploit molecular hallmarks of HPV+ cancer, as demonstrated by marked infection of HPV+ patient tumor biopsies and is, therefore, ideally suited as an oncolytic treatment against clinical HPV+ cancer. This approach has the potential to be directly translatable to human clinical oncology to tackle a variety of HPV-associated neoplasms that cause significant morbidity and mortality globally. Cancer Immunol Res; 5(10); 847–59. ©2017 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.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,005 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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