MétaCan
Menu
Retour à la cohorte
Enregistrement W3158839617 · doi:10.3390/ijms22094893

Mechanisms of PD-L1 Regulation in Malignant and Virus-Infected Cells

2021· review· en· W3158839617 sur OpenAlexaff
Hadia Farrukh, Nader El-Sayes, Karen Mossman

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueCancer Immunotherapy and Biomarkers
Établissements canadiensMcMaster University Medical CentreMcMaster University
Organismes subventionnairesnon disponible
Mots-clésPD-L1CancerTumor microenvironmentImmunotherapyImmunogenicityImmune systemCancer researchCancer cellCancer immunotherapyCytotoxic T cellMedicineImmunologyInflammationImmune checkpointBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Programmed cell death protein 1 (PD-1), a receptor on T cells, and its ligand, PD-L1, have been a topic of much interest in cancer research. Both tumour and virus-infected cells can upregulate PD-L1 to suppress cytotoxic T-cell killing. Research on the PD-1/PD-L1 axis has led to the development of anti-PD-1/PD-L1 immune checkpoint blockades (ICBs) as promising cancer therapies. Although effective in some cancer patients, for many, this form of treatment is ineffective due to a lack of immunogenicity in the tumour microenvironment (TME). Despite the development of therapies targeting the PD-1/PD-L1 axis, the mechanisms and pathways through which these proteins are regulated are not completely understood. In this review, we discuss the latest research on molecules of inflammation and innate immunity that regulate PD-L1 expression, how its expression is regulated during viral infection, and how it is modulated by different cancer therapies. We also highlight existing research on the development of different combination therapies with anti-PD-1/PD-L1 antibodies. This information can be used to develop better cancer immunotherapies that take into consideration the pathways involved in the PD-1/PD-L1 axis, so these molecules do not reduce their efficacy, which is currently seen with some cancer therapies. This review will also assist in understanding how the TME changes during treatment, which will provide further rationale for combination therapies.

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 enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,343
Écart entre enseignants0,314 · 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

Citations23
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetCancer Immunotherapy and BiomarkersTravaux en français237 207