Immunogenic cell death: The cornerstone of oncolytic viro-immunotherapy
Notice bibliographique
Résumé
According to the World Health Organization, cancer is one of the leading global health concerns, causing nearly 10 million deaths in 2020. While classical chemotherapeutics produce strong cytotoxicity on cancer cells, they carry limitations of drug resistance and off-target effects and sometimes fail to elicit adequate antitumor protection against tumor relapse. Additionally, most cancer cells have developed various ways to escape immune surveillance. Nevertheless, novel anticancer strategies such as oncolytic viro-immunotherapy can trigger immunogenic cell death (ICD), which can quickly grasp the attention of the host defense machinery, resulting in an ensuing antitumor immune response. Specifically, oncolytic viruses (OVs) can infect and destroy targeted cancer cells and stimulate the immune system by exposing pathogen-associated molecular patterns (PAMPs) and damage-associated molecular patterns (DAMPs) to promote inflammatory reactions, and concomitantly prime and induce antitumor immunity by the release of neoantigens from the damaged cancer cells. Thus, OVs can serve as a novel system to sensitize tumor cells for promising immunotherapies. This review discusses the concept of ICD in cancer, centralizing ICD-associated danger signals and their consequence in antitumor responses and ICD induced by OVs. We also shed light on the potential strategies to enhance the immunogenicity of OVs, including the use of genetically modified OVs and their combination with ICD-enhancing agents, which are helpful as forthcoming anticancer regimens.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».