MétaCan
Menu
Retour à la cohorte
Enregistrement W2784678115 · doi:10.1126/scitranslmed.aao1613

Dimethyl fumarate potentiates oncolytic virotherapy through NF-κB inhibition

2018· article· en· W2784678115 sur OpenAlexafffund
Mohammed Selman, Paula Ou, Christopher Rousso, Anabel Bergeron, Ramya Krishnan, Larissa A. Pikor, Andrew Chen, Brian A. Keller, Carolina S. Ilkow, John C. Bell, Jean‐Simon Diallo

Notice bibliographique

RevueScience Translational Medicine · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensOttawa HospitalUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchTerry Fox Research InstituteCanadian Cancer Society
Mots-clésOncolytic virusVirotherapyCancer researchVirologyMedicineChemistryTumor cells

Résumé

récupéré en direct d'OpenAlex

Resistance to oncolytic virotherapy is frequently associated with failure of tumor cells to get infected by the virus. Dimethyl fumarate (DMF), a common treatment for psoriasis and multiple sclerosis, also has anticancer properties. We show that DMF and various fumaric and maleic acid esters (FMAEs) enhance viral infection of cancer cell lines as well as human tumor biopsies with several oncolytic viruses (OVs), improving therapeutic outcomes in resistant syngeneic and xenograft tumor models. This results in durable responses, even in models otherwise refractory to OV and drug monotherapies. The ability of DMF to enhance viral spread results from its ability to inhibit type I interferon (IFN) production and response, which is associated with its blockade of nuclear translocation of the transcription factor nuclear factor κB (NF-κB). This study demonstrates that unconventional application of U.S. Food and Drug Administration-approved drugs and biological agents can result in improved anticancer therapeutic outcomes.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
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)0,0010,000

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 Opus0,031
Tête enseignante GPT0,360
Écart entre enseignants0,329 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience Translational MedicineMême sujetVirus-based gene therapy researchTravaux en français237 207