MétaCan
Menu
Retour à la cohorte
Enregistrement W3120533655 · doi:10.1158/0008-5472.can-20-2571

Targeting Leukemia-Initiating Cells in Acute Lymphoblastic Leukemia

2021· review· en· W3120533655 sur OpenAlexaff
Francesco Tamiro, Andrew P. Weng, Vincenzo Giambra

Notice bibliographique

RevueCancer Research · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensBC Cancer Agency
Organismes subventionnairesAssociazione Italiana per la Ricerca sul CancroMinistero della Salute
Mots-clésLeukemiaHaematopoiesisCancer researchEpigeneticsImmunotherapyStem cellBiologyCancerAcute leukemiaImmunologyMedicineImmune systemCell biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

The concept that different leukemias are developmentally distinct and, like in normal hematopoiesis, generated by restricted populations of cells named leukemia-initiating cells (LIC), is becoming more established. These cancer stem-like cells have been assumed to have unique properties, including the capability of self-renewing and giving rise to "differentiated" or non-LICs that make up the whole tumor. Cell populations enriched with LIC activity have been characterized in different hematopoietic malignancies, including human acute lymphoblastic leukemia (ALL). Related studies have also demonstrated that LICs are functionally distinct from bulk cells and modulated by distinct molecular signaling pathways and epigenetic mechanisms. Here we review several biological and clinical aspects related to LICs in ALL, including (i) immunophenotypic characterization of LIC-enriched subsets in human and mouse models of ALL, (ii) emerging therapeutics against regulatory signaling pathways involved in LIC progression and maintenance in T- and B-cell leukemias, (iii) novel epigenetic and age-related mechanisms of LIC propagation, and (iv) ongoing efforts in immunotherapy to eradicate LIC-enriched cell subsets in relapsed and refractory ALL cases. Current conventional treatments do not efficiently eliminate LICs. Therefore, innovative therapeutics that exclusively target LICs hold great promise for developing an effective cure for ALL.

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 enseignants0,003
Score d'incertitude au seuil0,010

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,094
Tête enseignante GPT0,430
Écart entre enseignants0,336 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetAcute Lymphoblastic Leukemia researchTravaux en français237 207