Virotherapy in Germany—Recent Activities in Virus Engineering, Preclinical Development, and Clinical Studies
Notice bibliographique
Résumé
Virotherapy research involves the development, exploration, and application of oncolytic viruses that combine direct killing of cancer cells by viral infection, replication, and spread (oncolysis) with indirect killing by induction of anti-tumor immune responses. Oncolytic viruses can also be engineered to genetically deliver therapeutic proteins for direct or indirect cancer cell killing. In this review-as part of the special edition on "State-of-the-Art Viral Vector Gene Therapy in Germany"-the German community of virotherapists provides an overview of their recent research activities that cover endeavors from screening and engineering viruses as oncolytic cancer therapeutics to their clinical translation in investigator-initiated and sponsored multi-center trials. Preclinical research explores multiple viral platforms, including new isolates, serotypes, or fitness mutants, and pursues unique approaches to engineer them towards increased safety, shielded or targeted delivery, selective or enhanced replication, improved immune activation, delivery of therapeutic proteins or RNA, and redirecting antiviral immunity for cancer cell killing. Moreover, several oncolytic virus-based combination therapies are under investigation. Clinical trials in Germany explore the safety and potency of virotherapeutics based on parvo-, vaccinia, herpes, measles, reo-, adeno-, vesicular stomatitis, and coxsackie viruses, including viruses encoding therapeutic proteins or combinations with immune checkpoint inhibitors. These research advances represent exciting vantage points for future endeavors of the German virotherapy community collectively aimed at the implementation of effective virotherapeutics in clinical oncology.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».