MétaCan
Menu
Retour à la cohorte
Enregistrement W4292548452 · doi:10.3390/biomedicines10082024

Tumor Temperature: Friend or Foe of Virus-Based Cancer Immunotherapy

2022· review· en· W4292548452 sur OpenAlexafffund
Jason P. Knapp, Julia E. Kakish, Byram W. Bridle, David J. Speicher

Notice bibliographique

RevueBiomedicines · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensRedeemer UniversityUniversity of Guelph
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCancer Research Society
Mots-clésOncolytic virusImmunotherapyCancerIn vitroCancer immunotherapyCancer researchVirusHyperthermiaCancer therapyBiologyMedicineImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The temperature of a solid tumor is often dissimilar to baseline body temperature and, compared to healthy tissues, may be elevated, reduced, or a mix of both. The temperature of a tumor is dependent on metabolic activity and vascularization and can change due to tumor progression, treatment, or cancer type. Despite the need to function optimally within temperature-variable tumors, oncolytic viruses (OVs) are primarily tested at 37 °C in vitro. Furthermore, animal species utilized to test oncolytic viruses, such as mice, dogs, cats, and non-human primates, poorly recapitulate the temperature profile of humans. In this review, we discuss the importance of temperature as a variable for OV immunotherapy of solid tumors. Accumulating evidence supports that the temperature sensitivity of OVs lies on a spectrum, with some OVs likely hindered but others enhanced by elevated temperatures. We suggest that in vitro temperature sensitivity screening be performed for all OVs destined for the clinic to identify potential hinderances or benefits with regard to elevated temperature. Furthermore, we provide recommendations for the clinical use of temperature and OVs.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,054
Tête enseignante GPT0,390
Écart entre enseignants0,336 · 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

Citations51
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetVirus-based gene therapy researchTravaux en français237 207