CAR-T cell therapy in triple-negative breast cancer: Hunting the invisible devil
Notice bibliographique
Résumé
Triple-negative breast cancer (TNBC) is known as the most intricate and hard-to-treat subtype of breast cancer. TNBC cells do not express the well-known estrogen receptor, progesterone receptor, and human epidermal growth factor receptor 2 (HER2) expressed by other breast cancer subtypes. This phenomenon leaves no room for novel treatment approaches including endocrine and HER2-specific antibody therapies. To date, surgery, radiotherapy, and systemic chemotherapy remain the principal therapy options for TNBC treatment. However, in numerous cases, these approaches either result in minimal clinical benefit or are nonfunctional, resulting in disease recurrence and poor prognosis. Nowadays, chimeric antigen receptor T cell (CAR-T) therapy is becoming more established as an option for the treatment of various types of hematologic malignancies. CAR-Ts are genetically engineered T lymphocytes that employ the body's immune system mechanisms to selectively recognize cancer cells expressing tumor-associated antigens (TAAs) of interest and efficiently eliminate them. However, despite the clinical triumph of CAR-T therapy in hematologic neoplasms, CAR-T therapy of solid tumors, including TNBC, has been much more challenging. In this review, we will discuss the success of CAR-T therapy in hematological neoplasms and its caveats in solid tumors, and then we summarize the potential CAR-T targetable TAAs in TNBC studied in different investigational stages.
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) | 0,000 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».