MétaCan
Menu
Retour à la cohorte
Enregistrement W3176831950 · doi:10.3390/cancers13133228

Integration of Salmonella into Combination Cancer Therapy

2021· review· en· W3176831950 sur OpenAlexfundno aff
Besan H. Al-Saafeen, Maria J. Fernández-Cabezudo, Basel K. al-Ramadi

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesCollege of Medicine and Health Sciences, United Arab Emirates UniversityUnited Arab Emirates UniversityTerry Fox FoundationSheikh Hamdan Bin Rashid Al Maktoum Award for Medical Sciences
Mots-clésSalmonellaCancer therapyCancerTumor microenvironmentMedicineCombination therapyCancer treatmentImmune systemImmunotherapyCancer researchImmunologyBiologyBacteriaInternal medicine

Résumé

récupéré en direct d'OpenAlex

Current modalities of cancer treatment have limitations related to poor target selectivity, resistance to treatment, and low response rates in patients. Accumulating evidence over the past few decades has demonstrated the capacity of several strains of bacteria to exert anti-tumor activities. Salmonella is the most extensively studied entity in bacterial-mediated cancer therapy, and has a good potential to induce direct tumor cell killing and manipulate the immune components of the tumor microenvironment in favor of tumor inhibition. In addition, Salmonella possesses some advantages over other approaches of cancer therapy, including high tumor specificity, deep tissue penetration, and engineering plasticity. These aspects underscore the potential of utilizing Salmonella in combination with other cancer therapeutics to improve treatment effectiveness. Herein, we describe the advantages that make Salmonella a good candidate for combination cancer therapy and summarize the findings of representative studies that aimed to investigate the therapeutic outcome of combination therapies involving Salmonella. We also highlight issues associated with their application in clinical use.

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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

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 savante0,0000,000
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 Opus0,055
Tête enseignante GPT0,408
Écart entre enseignants0,354 · 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'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

Citations33
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetCancer Research and TreatmentsTravaux en français237 207