Immunogenic cell death (ICD) enhancers—Drugs that enhance the perception of ICD by dendritic cells
Notice bibliographique
Résumé
Summary The search for immunostimulatory drugs applicable to cancer immunotherapy may profit from target‐agnostic methods in which agents are screened for their functional impact on immune cells cultured in vitro without any preconceived idea on their mode of action. We have built a synthetic mini‐immune system in which stressed and dying cancer cells (derived from standardized cell lines) are confronted with dendritic cells (DCs, derived from immortalized precursors) and CD8 + T‐cell hybridoma cells expressing a defined T‐cell receptor. Using this system, we can identify three types of immunostimulatory drugs: (i) pharmacological agents that stimulate immunogenic cell death (ICD) of malignant cells; (ii) drugs that act on DCs to enhance their response to ICD; and (iii) drugs that act on T cells to increase their effector function. Here, we focus on strategies to develop drugs that enhance the perception of ICD by DCs and to which we refer as “ICD enhancers.” We discuss examples of ICD enhancers, including ligands of pattern recognition receptors (exemplified by TLR3 ligands that correct the deficient function of DCs lacking FPR1) and immunometabolic modifiers (exemplified by hexokinase‐2 inhibitors), as well as methods for target deconvolution applicable to the mechanistic characterization of ICD enhancers.
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 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| 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 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,037 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».