The Effect of the Gut Microbiota on Systemic and Anti-Tumor Immunity and Response to Systemic Therapy against Cancer
Notice bibliographique
Résumé
Gut microbiota can have opposing functions from pro-tumorigenic to anti-tumorigenic effects. Increasing preclinical and clinical evidence suggests that the intestinal microbiota affects cancer patients' response to immune checkpoint inhibitors (ICIs) immunotherapy, such as anti-programmed cell death protein 1 (PD-1) and its ligand (PD-L1) and anti-cytotoxic T lymphocyte-associated protein 4 (CTLA-4). Microbiota-induced inflammation possibly contributes to tumor growth and cancer development. Microbiota-derived metabolites can also be converted to carcinogenic agents related to genetic mutations and DNA damage in organs such as the colon. However, other attributes of microbiota, such as greater diversity and specific bacterial species and their metabolites, are linked to better clinical outcomes and potentially improved anti-tumor immunity. In addition, the intratumoral microbial composition strongly affects T-cell-mediated cytotoxicity and anti-tumor immune surveillance, adding more complexity to the cancer-microbiome-immune axis. Despite the emerging clinical evidence for the activity of the gut microbiota in immuno-oncology, the fundamental mechanisms of such activity are not well understood. This review provides an overview of underlying mechanisms by which the gut microbiota and its metabolites enhance or suppress anti-tumor immune responses. Understanding such mechanisms allows for better design of microbiome-specific treatment strategies to improve the clinical outcome in cancer patients undergoing systemic therapy.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».