MétaCan
Menu
Retour à la cohorte
Enregistrement W2912765323 · doi:10.1002/path.5241

The innate immune architecture of lung tumors and its implication in disease progression

2019· review· en· W2912765323 sur OpenAlexafffund
Simon Milette, Pierre Fiset, Logan A. Walsh, Jonathan Spicer, Daniela F. Quail

Notice bibliographique

RevueThe Journal of Pathology · 2019
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune cells in cancer
Établissements canadiensMcGill Genome CentreMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health ResearchPfizer CanadaSusan G. KomenMerck CanadaMcGill UniversityMcGill University Health CentreAstraZeneca CanadaCancer Research SocietyCanada Research ChairsAstraZenecaMcMaster UniversityPfizer
Mots-clésContext (archaeology)Immune systemLung cancerImmunologyLungInnate immune systemHomeostasisDiseaseMedicineCancerMalignancyBiologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Lung malignancies are the leading cause of cancer-related mortality. By virtue of its unique physiological function, the lung microenvironment is highly dynamic and constantly subjected to mechanical, chemical and pathogenic stimuli. Thus, the airways rely on highly organized innate defense mechanisms to rapidly protect against pathogens and maintain pulmonary homeostasis. However, in the context of lung malignancy, these defenses often provide collateral inflammatory insults that can foster tumor progression. This review summarizes the interactions between cancer cells, recruited immune cells and tissue-resident cell subpopulations, such as airway epithelial cells and alveolar macrophages, during homeostasis and disease. Furthermore, we examine the role of the lung immune landscape in response to current therapeutic interventions for cancer. Given the prevalence of lung malignancies, we propose that consideration of lung physiology as a whole is necessary to understand and treat these lethal diseases. Copyright © 2019 Pathological Society of Great Britain and Ireland. Published by John Wiley & Sons, Ltd.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,981
Score d'incertitude au seuil0,530

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,328
Écart entre enseignants0,310 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations52
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of PathologyMême sujetImmune cells in cancerTravaux en français237 207