MétaCan
Menu
Retour à la cohorte
Enregistrement W3197133949 · doi:10.3390/cancers13174444

Normalizing Tumor Vasculature to Reduce Hypoxia, Enhance Perfusion, and Optimize Therapy Uptake

2021· review· en· W3197133949 sur OpenAlexaff
Kathy Matuszewska, Madison Pereira, Duncan Petrik, Jack Lawler, Jim Petrik

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAngiogenesis and VEGF in Cancer
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisHypoxia (environmental)Cancer researchTumor microenvironmentTumor hypoxiaMedicineMetastasisLymphatic systemImmunotherapyCarcinogenesisPathologyImmunologyImmune systemCancerRadiation therapyTumor cellsInternal medicineChemistry

Résumé

récupéré en direct d'OpenAlex

A basic requirement of tumorigenesis is the development of a vascular network to support the metabolic requirements of tumor growth and metastasis. Tumor vascular formation is regulated by a balance between promoters and inhibitors of angiogenesis. Typically, the pro-angiogenic environment created by the tumor is extremely aggressive, resulting in the rapid vessel formation with abnormal, dysfunctional morphology. The altered morphology and function of tumor blood and lymphatic vessels has numerous implications including poor perfusion, tissue hypoxia, and reduced therapy uptake. Targeting tumor angiogenesis as a therapeutic approach has been pursued in a host of different cancers. Although some preclinical success was seen, there has been a general lack of clinical success with traditional anti-angiogenic therapeutics as single agents. Typically, following anti-angiogenic therapy, there is remodeling of the tumor microenvironment and widespread tumor hypoxia, which is associated with development of therapy resistance. A more comprehensive understanding of the biology of tumor angiogenesis and insights into new clinical approaches, including combinations with immunotherapy, are needed to advance vascular targeting as a therapeutic area.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,028
Tête enseignante GPT0,323
Écart entre enseignants0,295 · 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

Citations104
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetAngiogenesis and VEGF in CancerTravaux en français237 207