MétaCan
Menu
Retour à la cohorte
Enregistrement W2940074823 · doi:10.3389/fonc.2019.00279

Turning the Tide Against Regulatory T Cells

2019· review· en· W2940074823 sur OpenAlexafffund
SeongJun Han, Aras Toker, Zhe Qi Liu, Pamela S. Ohashi

Notice bibliographique

RevueFrontiers in Oncology · 2019
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésTreg cellImmune systemImmunityContext (archaeology)ImmunologyBiologyCell biologyCancer researchT cellIL-2 receptor

Résumé

récupéré en direct d'OpenAlex

Regulatory T (Treg) cells play crucial roles in health and disease through their immunosuppressive properties against various immune cells. In this review we will focus on the inhibitory role of Treg cells in anti-tumor immunity. We outline how Treg cells restrict T cell function based on our understanding of T cell biology, and how we can shift the equilibrium against regulatory T cells. To date, numerous strategies have been proposed to limit the suppressive effects of Treg cells, including Treg cell neutralization, destabilizing Treg cells and rendering T cells resistant to Treg cells. Here, we focus on key mechanisms which render T cells resistant to the suppressive effects of Treg cells. Lastly, we also examine current limitations and caveats of overcoming the inhibitory activity of Treg cells, and briefly discuss the potential to target Treg cell resistance in the context of anti-tumor immunity.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,582
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,027
Tête enseignante GPT0,293
Écart entre enseignants0,267 · 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.

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

Citations56
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetImmune Cell Function and InteractionTravaux en français237 207