Viro-antibody therapy: engineering oncolytic viruses for genetic delivery of diverse antibody-based biotherapeutics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cancer therapeutics approved for clinical application include oncolytic viruses and antibodies, which evolved by nature, but were improved by molecular engineering. Both facilitate outstanding tumor selectivity and pleiotropic activities, but also face challenges, such as tumor heterogeneity and limited tumor penetration. An innovative strategy to address these challenges combines both agents in a single, multitasking therapeutic, i.e., an oncolytic virus engineered to express therapeutic antibodies. Such viro-antibody therapies genetically deliver antibodies to tumors from amplified virus genomes, thereby complementing viral oncolysis with antibody-defined therapeutic action. Here, we review the strategies of viro-antibody therapy that have been pursued exploiting diverse virus platforms, antibody formats, and antibody-mediated modes of action. We provide a comprehensive overview of reported antibody-encoding oncolytic viruses and highlight the achievements of 13 years of viro-antibody research. It has been shown that functional therapeutic antibodies of different formats can be expressed in and released from cancer cells infected with different oncolytic viruses. Virus-encoded antibodies have implemented direct tumor cell killing, anti-angiogenesis, or activation of adaptive immune responses to kill tumor cells, tumor stroma cells or inhibitory immune cells. Importantly, numerous reports have shown therapeutic activity complementary to viral oncolysis for these modalities. Also, challenges for future research have been revealed. Established engineering technologies for both oncolytic viruses and antibodies will enable researchers to address these challenges, facilitating the development of effective viro-antibody therapeutics.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 découle