Getting to HBV cure: The promising paths forward
Notice bibliographique
Résumé
Chronic HBV infection is a global public health burden estimated to impact nearly 300 million persons worldwide. Despite the advent of potent antiviral agents that effectively suppress viral replication, HBV cure remains difficult to achieve because of the persistence of covalently closed circular DNA (cccDNA), HBV-DNA integration into the host genome, and impaired immune response. Indefinite treatment is necessary for most patients to maintain level of viral suppression. The success of direct-acting antivirals (DAAs) for hepatitis C treatment has rejuvenated the search for a cure for chronic hepatitis B (CHB), though an HBV cure likely requires an additional layer: immunomodulators for restoration of robust immune responses. DAAs such as entry inhibitors, capsid assembly modulators, inhibitors of subviral particle release, cccDNA silencers, and RNA interference molecules have reached clinical development. Immunomodulators, namely innate immunomodulators (Toll-like receptor agonists), therapeutic vaccines, checkpoint inhibitors, and monoclonal antibodies, are also progressing toward clinical development. The future of the HBV cure possibly lies in triple combination therapies with concerted action on replication inhibition, antigen reduction, and immune stimulation. Many obstacles remain, such as overcoming translational failures, choosing the right endpoint using the right biomarkers, and leveraging current treatments in combination regimens to enhance response rates. This review gives an overview of the current therapies for CHB, HBV biomarkers used to evaluate treatment response, and development of DAAs and immune-targeting drugs and discusses the limitations and unanswered questions on the journey to an HBV cure.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 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 ».