MétaCan
Menu
Retour à la cohorte
Enregistrement W3017202750 · doi:10.3390/cells9040976

The Osteosarcoma Microenvironment: A Complex but Targetable Ecosystem

2020· review· en· W3017202750 sur OpenAlexfundno aff
Isabelle Corre, Franck Verrecchia, Vincent Crenn, Françoise Rédiní, Valérie Trichet

Notice bibliographique

RevueCells · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensnon disponible
Organismes subventionnairesLigue Contre le CancerInstitut National de la Santé et de la Recherche MédicaleAgence Nationale de la RechercheCentre National de la Recherche ScientifiqueUniversité Laval
Mots-clésOsteosarcomaTumor microenvironmentStromal cellMedicineExtracellular vesiclesCancer researchOncologyBioinformaticsImmune systemImmunologyBiology

Résumé

récupéré en direct d'OpenAlex

Osteosarcomas are the most frequent primary bone sarcomas, affecting mainly children, adolescents, and young adults, and with a second peak of incidence in elderly individuals. The current therapeutic management, a combined regimen of poly-chemotherapy and surgery, still remains largely insufficient, as patient survival has not improved in recent decades. Osteosarcomas are very heterogeneous tumors, both at the intra- and inter-tumor level, with no identified driver mutation. Consequently, efforts to improve treatments using targeted therapies have faced this lack of specific osteosarcoma targets. Nevertheless, these tumors are inextricably linked to their local microenvironment, composed of bone, stromal, vascular and immune cells and the osteosarcoma microenvironment is now considered to be essential and supportive for growth and dissemination. This review describes the different actors of the osteosarcoma microenvironment and gives an overview of the past, current, and future strategies of therapy targeting this complex ecosystem, with a focus on the role of extracellular vesicles and on the emergence of multi-kinase inhibitors.

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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
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 Opus0,020
Tête enseignante GPT0,257
Écart entre enseignants0,237 · 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

Citations475
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetExtracellular vesicles in diseaseTravaux en français237 207