MétaCan
Menu
Retour à la cohorte
Enregistrement W2903435817 · doi:10.1186/s12943-018-0913-y

Effects of tumor metabolic microenvironment on regulatory T cells

2018· review· en· W2903435817 sur OpenAlexaff
Yian Wang, Xiaoling Li, Yongzhen Mo, Chunmei Fan, Le Tang, Fang Xiong, Can Guo, Bo Xiang, Ming Zhou, Jian Ma, Xi Huang, Xu Wu, Yong Li, Guiyuan Li, Zhaoyang Zeng, Wei Xiong

Notice bibliographique

RevueMolecular Cancer · 2018
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensUniversity of Toronto
Organismes subventionnairesOverseas Expertise Introduction Project for Discipline InnovationGraduate Research and Innovation Projects of Jiangsu ProvinceHigher Education Discipline Innovation ProjectCentral South UniversityNational Natural Science Foundation of China
Mots-clésTumor microenvironmentReprogrammingBiologyImmune systemImmunosuppressionImmunotherapyCancer researchImmunologySecretionCell

Résumé

récupéré en direct d'OpenAlex

Recent studies have shown that on one hand, tumors need to obtain a sufficient energy supply, and on the other hand they must evade the body's immune surveillance. Because of their metabolic reprogramming characteristics, tumors can modify the physicochemical properties of the microenvironment, which in turn affects the biological characteristics of the cells infiltrating them. Regulatory T cells (Tregs) are a subset of T cells that regulate immune responses in the body. They exist in large quantities in the tumor microenvironment and exert immunosuppressive effects. The main effect of tumor microenvironment on Tregs is to promote their differentiation, proliferation, secretion of immunosuppressive factors, and chemotactic recruitment to play a role in immunosuppression in tumor tissues. This review focuses on cell metabolism reprogramming and the most significant features of the tumor microenvironment relative to the functional effects on Tregs, highlighting our understanding of the mechanisms of tumor immune evasion and providing new directions for tumor immunotherapy.

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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,248
Écart entre enseignants0,239 · 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

Citations185
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular CancerMême sujetImmune Cell Function and InteractionTravaux en français237 207