Insight into Oncogenic Viral Pathways as Drivers of Viral Cancers: Implication for Effective Therapy
Notice bibliographique
Résumé
As per a recent study conducted by the WHO, 15.4% of all cancers are caused by infectious agents of various categories, and more than 10% of them are attributed to viruses. The emergence of COVID-19 has once again diverted the scientific community's attention toward viral diseases. Some researchers have postulated that SARS-CoV-2 will add its name to the growing list of oncogenic viruses in the long run. However, owing to the complexities in carcinogenesis of viral origin, researchers across the world are struggling to identify the common thread that runs across different oncogenic viruses. Classical pathways of viral oncogenesis have identified oncogenic mediators in oncogenic viruses, but these mediators have been reported to act on diverse cellular and multiple omics pathways. In addition to viral mediators of carcinogenesis, researchers have identified various host factors responsible for viral carcinogenesis. Henceforth owing to viral and host complexities in viral carcinogenesis, a singular mechanistic pathway remains yet to be established; hence there is an urgent need to integrate concepts from system biology, cancer microenvironment, evolutionary perspective, and thermodynamics to understand the role of viruses as drivers of cancer. In the present manuscript, we provide a holistic view of the pathogenic pathways involved in viral oncogenesis with special emphasis on alteration in the tumor microenvironment, genomic alteration, biological entropy, evolutionary selection, and host determinants involved in the pathogenesis of viral tumor genesis. These concepts can provide important insight into viral cancers, which can have an important implication for developing novel, effective, and personalized therapeutic options for treating viral cancers.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| 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 ».