Targeted Diphtheria Toxin-Based Therapy: A Review Article
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cancer remains one of the leading causes of death worldwide. Conventional therapeutic strategies usually offer limited specificity, resulting in severe side effects and toxicity to normal tissues. Targeted cancer therapy, on the other hand, can improve the therapeutic potential of anti-cancer agents and decrease unwanted side effects. Targeted applications of cytolethal bacterial toxins have been found to be especially useful for the specific eradication of cancer cells. Targeting is either mediated by peptides or by protein-targeting moieties, such as antibodies, antibody fragments, cell-penetrating peptides (CPPs), growth factors, or cytokines. Together with a toxin domain, these molecules are more commonly referred to as immunotoxins. Targeting can also be achieved through gene delivery and cell-specific expression of a toxin. Of the available cytolethal toxins, diphtheria toxin (DT) is one of the most frequently used for these strategies. Of the many DT-based therapeutic strategies investigated to date, two immunotoxins, Ontak TM and Tagraxofusp TM , have gained FDA approval for clinical application. Despite some success with immunotoxins, suicide-gene therapy strategies, whereby controlled tumor-specific expression of DT is used for the eradication of malignant cells, are gaining prominence. The first part of this review focuses on DTbased immunotoxins, and it then discusses recent developments in tumor-specific expression of DT.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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.
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 découle