Addressing Natural Killer Cell Dysfunction and Plasticity in Cell-Based Cancer Therapeutics
Notice bibliographique
Résumé
Natural killer (NK) cells are cytotoxic group 1 innate lymphoid cells (ILC), known for their role as killers of stressed, cancerous, and virally infected cells. Beyond this cytotoxic function, NK cell subsets can influence broader immune responses through cytokine production and have been linked to central roles in non-immune processes, such as the regulation of vascular remodeling in pregnancy and cancer. Attempts to exploit the anti-tumor functions of NK cells have driven the development of various NK cell-based therapies, which have shown promise in both pre-clinical disease models and early clinical trials. However, certain elements of the tumor microenvironment, such as elevated transforming growth factor (TGF)-β, hypoxia, and indoalemine-2,3-dioxygenase (IDO), are known to suppress NK cell function, potentially limiting the longevity and activity of these approaches. Recent studies have also identified these factors as contributors to NK cell plasticity, defined by the conversion of classical cytotoxic NK cells into poorly cytotoxic, tissue-resident, or ILC1-like phenotypes. This review summarizes the current approaches for NK cell-based cancer therapies and examines the challenges presented by tumor-linked NK cell suppression and plasticity. Ongoing efforts to overcome these challenges are discussed, along with the potential utility of NK cell therapies to applications outside cancer.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».