Editorial: EBV-Associated Carcinomas: Presence, Role, and Prevention Strategies
Notice bibliographique
Résumé
This special issue addresses an important topic related to the role of Epstein-Barr virus (EBV) in human carcinomas initiation and progression, which is one of the most common viral infections worldwide. Today, the relationship between EBV infection and several types of human lymphomas is clearly established, including Hodgkin and Burkitt's lymphoma; meanwhile, it was recently pointed out that EBV is present in nasopharyngeal carcinomas as well as other epithelial cancers (1). EBV is ubiquitous human herpesvirus 4, its genome codes more than 85 proteins of which only few are well-understood; More specifically, six nuclear antigens (EBNA: 1, 2, 3A, 3B, 3C, and LP); three latent membrane proteins/genes (LMP: 1, 2A, 2B) as well as small non-polyadenylated RNAs, EBERs 1 and 2 in addition to few microRNAs have been identified so far, as key regulators, of the oncogenic activity of this virus (2, 3). Present estimates indicate that EBV causes 200,000 new cancer cases annually, accounting for ~2% of cancers worldwide (Cancer Research UK). On the other hand, it is important to emphasize that recent investigations have revealed the possible involvement of EBV in other cancers such as cervical, gliomas, and breast, which are highlighted in this issue.
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 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 | 0,001 | 0,002 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,004 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».