MétaCan
Menu
Retour à la cohorte
Enregistrement W3163189192 · doi:10.3389/fcell.2021.662791

Advances in Screening and Development of Therapeutic Aptamers Against Cancer Cells

2021· review· en· W3163189192 sur OpenAlexaff
Zheng Li, Xuekun Fu, Jie Huang, Peiyuan Zeng, Yühong Huang, Xinxin Chen, Chao Liang

Notice bibliographique

RevueFrontiers in Cell and Developmental Biology · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésAptamerCancerImmunotherapyMedicineDiseaseTargeted therapyCancer immunotherapyPharmacologyComputational biologyBiologyPathologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cancer has become the leading cause of death in recent years. As great advances in medical treatment, emerging therapies of various cancers have been developed. Current treatments include surgery, radiotherapy, chemotherapy, immunotherapy, and targeted therapy. Aptamers are synthetic ssDNA or RNA. They can bind tightly to target molecules due to their unique tertiary structure. It is easy for aptamers to be screened, synthesized, programmed, and chemically modified. Aptamers are emerging targeted drugs that hold great potentials, called therapeutic aptamers. There are few types of therapeutic aptamers that have already been approved by the US Food and Drug Administration (FDA) for disease treatment. Now more and more therapeutic aptamers are in the stage of preclinical research or clinical trials. This review summarized the screening and development of therapeutic aptamers against different types of cancer cells.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,993
Score d'incertitude au seuil1,000

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 recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,304
Écart entre enseignants0,285 · 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.

Devis d'étudeAutre devis
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

Citations30
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cell and Developmental BiologyMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207