MétaCan
Menu
Retour à la cohorte
Enregistrement W3047608802 · doi:10.3389/fonc.2020.01283

Targeting the RANKL/RANK/OPG Axis for Cancer Therapy

2020· review· en· W3047608802 sur OpenAlexaff
Jie Ming, Shane J. F. Cronin, Josef Penninger

Notice bibliographique

RevueFrontiers in Oncology · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBone Metabolism and Diseases
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésRANKLDenosumabMedicineBreast cancerOsteoporosisImmunotherapyCancer researchImmune systemCancerCarcinogenesisOsteoclastOncologyBioinformaticsImmunologyInternal medicineBiologyReceptor

Résumé

récupéré en direct d'OpenAlex

RANKL and RANK are expressed in different cell types and tissues throughout the body. They were originally described for their essential roles in bone remodeling and the immune system but have subsequently been shown to provide essential signals from regulating mammary gland homeostasis during pregnancy to modulating tumorigenesis. The success of RANKL/RANK research serves as a paragon for translational research from the laboratory to the bedside. The case in point has been the development of Denosumab, a RANKL-blocking monoclonal antibody which has already helped millions of patients suffering from post-menopausal osteoporosis and skeletal related events in cancer. Here we will provide an overview of the pathway from its origins to its clinical relevance in disease, with a special focus on emerging evidence demonstrating the therapeutic value of targeting the RANKL/RANK/OPG axis not only in breast cancer but also as an addition to the cancer immunotherapy arsenal.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,801
Score d'incertitude au seuil0,989

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
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 Opus0,029
Tête enseignante GPT0,347
Écart entre enseignants0,318 · 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'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

Citations69
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in OncologyMême sujetBone Metabolism and DiseasesTravaux en français237 207