MétaCan
Menu
Retour à la cohorte
Enregistrement W4281622178 · doi:10.2174/1381612828666220526125806

Trabectedin in Cancers: Mechanisms and Clinical Applications

2022· review· en· W4281622178 sur OpenAlexaff
Jiali Wang, Pengfei Wang, Zheng Zeng, Caiji Lin, Yiru Lin, Danli Cao, Wenqing Ma, Wenwen Xu, Lingjie Luo, Wenxue Wang, Yongwei Shi, Zixiang Gao, Yufan Zhao, Huidi Liu, Shu-Lin Liu

Notice bibliographique

RevueCurrent Pharmaceutical Design · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueLung Cancer Treatments and Mutations
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNational College Students Innovation and Entrepreneurship Training ProgramChina Postdoctoral Science FoundationNational Natural Science Foundation of ChinaHarbin Medical University
Mots-clésTrabectedinIfosfamideMedicineSoft tissue sarcomaCancerOvarian cancerSarcomaOncologyCancer researchPharmacologyInternal medicineChemotherapyBioinformaticsBiologyPathology

Résumé

récupéré en direct d'OpenAlex

Trabectedin, a tetrahydroisoquinoline alkaloid, is the first marine antineoplastic agent approved with special anticancer mechanisms involving DNA binding, DNA repair pathways, transcription regulation and regulation of the tumor microenvironment. It has favorable clinical applications, especially for the treatment of patients with advanced soft tissue sarcoma, who failed in anthracyclines and ifosfamide therapy or could not receive these agents. Currently, trabectedin monotherapy regimen and regimens of combined therapy with other agents are both widely used for the treatment of malignancies, including soft tissue sarcomas, ovarian cancer, breast cancer, and non-small-cell lung cancer. In this review, we have summarized the basic information and some updated knowledge on trabectedin, including its molecular structure, metabolism in various cancers, pharmaceutical mechanisms, clinical applications, drug combination, and adverse reactions, along with prospects of its possibly more optimal use in cancer treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,370
Tête enseignante GPT0,569
Écart entre enseignants0,199 · 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

Citations22
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical DesignMême sujetLung Cancer Treatments and MutationsTravaux en français237 207