Induced Vascular Normalization—Can One Force Tumors to Surrender to a Better Microenvironment?
Notice bibliographique
Résumé
Immunotherapy has changed the way many cancers are being treated. Researchers in the field of immunotherapy and tumor immunology are investigating similar questions: How can the positive benefits achieved with immunotherapies be enhanced? Can this be achieved through combinations with other agents and if so, which ones? In our view, there is an urgent need to improve immunotherapy to make further gains in the overall survival for those patients that should benefit from immunotherapy. While numerous different approaches are being considered, our team believes that drug delivery methods along with appropriately selected small-molecule drugs and drug candidates could help reach the goal of doubling the overall survival rate that is seen in some patients that are given immunotherapeutics. This review article is prepared to address how immunotherapies should be combined with a second treatment using an approach that could realize therapeutic gains 10 years from now. For context, an overview of immunotherapy and cancer angiogenesis is provided. The major targets in angiogenesis that have modulatory effects on the tumor microenvironment and immune cells are highlighted. A combination approach that, for us, has the greatest potential for success involves treatments that will normalize the tumor's blood vessel structure and alter the immune microenvironment to support the action of immunotherapeutics. So, this is reviewed as well. Our focus is to provide an insight into some strategies that will engender vascular normalization that may be better than previously described approaches. The potential for drug delivery systems to promote tumor blood vessel normalization is considered.
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 | 0,000 | 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 ».