MétaCan
Menu
← Retour à la cohorte
Enregistrement W2941729594 · doi:10.29245/2578-3009/2019/1.1167

Commentary: Small Molecule Inhibition of PD-1 Transcription is an Effective Alternative to Antibody Blockade in Cancer Therapy

2019· article· en· W2941729594 sur OpenAlexaff
Alison Taylor, Christopher E. Rudd

Notice bibliographique

RevueJournal of Immunological Sciences · 2019
Typearticle
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensHôpital Maisonneuve-RosemontUniversité de Montréal
Organismes subventionnairesCancer Research UK
Mots-clésBlockadeAntibodySmall moleculeCancer researchCancer therapyCancerTranscription (linguistics)MedicineChemistryPharmacologyImmunologyInternal medicineBiochemistryReceptorPhilosophy

Résumé

récupéré en direct d'OpenAlex

The past few years has witnessed exciting progress in the application of "immune check-point inhibitors" (ICI) in the treatment of various human cancers 1-3 .This involves the use of antibody blockade with monoclonal antibodies (mAbs) that block receptor binding to their natural ligands.Programmed cell death-1 (PD-1) recognises PD ligand (PDL)-1 and PDL-2 on presenting cells and this sends signals that inhibit T-cell activation and effector cytotoxic responses.Through these mechanisms, PD-1 inhibits the immune system and can prevent autoimmune diseases 4 .Tumor cells expressing PDL-1/PD-L2 can use this mechanism to evade immune surveillance, allowing disease progression.A therapeutic approach involves administration of mAbs that block the engagement of checkpoint molecules with their ligand.In the case of anti-PD-1, these mAbs block the binding of PD-1 on the T-cell with PDL-1/ PDL-2 on the tumor cell, preventing recognition and allowing activation of the T-cell to provide an immune response against the tumor cell.Blockade also reverses T-cell exhaustion and restores T-cell functionality 5, 6 .Furthermore, PD-1 expression on tumorinfiltrating CD8 + T-cells correlates with impaired function, while PD-L1 expression on tumors facilitates escape 4 .

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)0,004
score de la tête « metaresearch » (Gemma)0,012
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: Sans objet
GenreSignal candidat: Commentaire · Signal consensuel: Commentaire
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,012
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0020,003
Science ouverte0,0040,001
Intégrité de la recherche0,0270,036
Charge utile insuffisante (le modèle a refusé de juger)0,0120,012

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 Opus0,038
Tête enseignante GPT0,347
Écart entre enseignants0,308 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Immunological Sciences→Même sujetCancer Immunotherapy and Biomarkers→Travaux en français237 207→