MétaCan
Menu
Retour à la cohorte
Enregistrement W4386455160 · doi:10.4049/jimmunol.2300049

Memory T Cells in the Immunoprevention of Cancer: A Switch from Therapeutic to Prophylactic Approaches

2023· review· en· W4386455160 sur OpenAlexafffund
S. Mittra, Shane M. Harding, Susan M. Kaech

Notice bibliographique

RevueThe Journal of Immunology · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCAR-T cell therapy research
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesPrincess Margaret Cancer FoundationMinistry of Health, Ontario
Mots-clésCancerImmune systemMedicineCancer researchCancer cellT cellImmunologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cancer immunoprevention, the engagement of the immune system to prevent cancer, is largely overshadowed by therapeutic approaches to treating cancer after detection. Vaccines or, alternatively, the utilization of genetically engineered memory T cells could be methods of engaging and creating cancer-specific T cells with superb memory, lenient activation requirements, potent antitumor cytotoxicity, tumor surveillance, and resilience against immunosuppressive factors in the tumor microenvironment. In this review we analyze memory T cell subtypes based on their potential utility in cancer immunoprevention with regard to longevity, localization, activation requirements, and efficacy in fighting cancers. A particular focus is on how both tissue-resident memory T cells and stem memory T cells could be promising subtypes for engaging in immunoprevention.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,978
Score d'incertitude au seuil0,858

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,159
Tête enseignante GPT0,395
Écart entre enseignants0,236 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of ImmunologyMême sujetCAR-T cell therapy researchTravaux en français237 207