MétaCan
Menu
Retour à la cohorte
Enregistrement W3134236064 · doi:10.3390/curroncol28020105

The Advances and Challenges of NK Cell-Based Cancer Immunotherapy

2021· review· en· W3134236064 sur OpenAlexvenueno aff
Synat Kang, Xuefeng Gao, Li Zhang, Erna Yang, Yonghui Li, Li Yu

Notice bibliographique

RevueCurrent Oncology · 2021
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensnon disponible
Organismes subventionnairesNational Science and Technology Major ProjectNatural Science Foundation of Beijing MunicipalityNational Natural Science Foundation of China
Mots-clésImmunotherapyCancer immunotherapyMedicineImmunologyChimeric antigen receptorT-cell receptorCancerCancer researchT cellImmune systemInternal medicine

Résumé

récupéré en direct d'OpenAlex

Natural killer (NK) cells can be widely applied for cancer immunotherapy due to their ability to lyse tumor targets without prior sensitization or human leukocyte antigens-matching. Several NK-based therapeutic approaches have been attempted in clinical practice, but their efficacy is not sufficient to suppress tumor development mainly because of lacking specificity. To this end, the engineering of NK cells with T cell receptor along with CD3 subunits (TCR-NK) has been developed to increase the reactivity and recognition specificity of NK cells toward tumor cells. Here, we review recent advances in redirecting NK cells for cancer immunotherapy and discuss the major challenges and future explorations for their clinical applications.

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 enseignants0,993
Score d'incertitude au seuil0,757

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,125
Tête enseignante GPT0,415
Écart entre enseignants0,289 · 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

Citations49
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent OncologyMême sujetImmune Cell Function and InteractionTravaux en français237 207