Differentiation therapy for myeloid malignancies: beyond cytotoxicity
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
Blocked cellular differentiation is a central pathologic feature of the myeloid malignancies, myelodysplastic syndrome (MDS) and acute myeloid leukemia (AML). Treatment regimens promoting differentiation have resulted in incredible cure rates in certain AML subtypes, such as acute promyelocytic leukemia. Over the past several years, we have seen many new therapies for MDS/AML enter clinical practice, including epigenetic therapies (e.g., 5-azacitidine), isocitrate dehydrogenase (IDH) inhibitors, fms-like kinase 3 (FLT3) inhibitors, and lenalidomide for deletion 5q (del5q) MDS. Despite not being developed with the intent of manipulating differentiation, induction of differentiation is a major mechanism by which several of these novel agents function. In this review, we examine the new therapeutic landscape for these diseases, focusing on the role of hematopoietic differentiation and the impact of inflammation and aging. We review how current therapies in MDS/AML promote differentiation as a part of their therapeutic effect, and the cellular mechanisms by which this occurs. We then outline potential novel avenues to achieve differentiation in the myeloid malignancies for therapeutic purposes. This emerging body of knowledge about the importance of relieving differentiation blockade with anti-neoplastic therapies is important to understand how current novel agents function and may open avenues to developing new treatments that explicitly target cellular differentiation. Moving beyond cytotoxic agents has the potential to open new and unexpected avenues in the treatment of myeloid malignancies, hopefully providing more efficacy with reduced toxicity.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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