Update on immune‐based therapy strategies targeting cancer stem cells
Notice bibliographique
Résumé
Accumulating data reveals that tumors possess a specialized subset of cancer cells named cancer stem cells (CSCs), responsible for metastasis and recurrence of malignancies, with various properties such as self-renewal, heterogenicity, and capacity for drug resistance. Some signaling pathways or processes like Notch, epithelial to mesenchymal transition (EMT), Hedgehog (Hh), and Wnt, as well as CSCs' surface markers such as CD44, CD123, CD133, and epithelial cell adhesion molecule (EpCAM) have pivotal roles in acquiring CSCs properties. Therefore, targeting CSC-related signaling pathways and surface markers might effectively eradicate tumors and pave the way for cancer survival. Since current treatments such as chemotherapy and radiation therapy cannot eradicate all of the CSCs and tumor relapse may happen following temporary recovery, improving novel and more efficient therapeutic options to combine with current treatments is required. Immunotherapy strategies are the new therapeutic modalities with promising results in targeting CSCs. Here, we review the targeting of CSCs by immunotherapy strategies such as dendritic cell (DC) vaccines, chimeric antigen receptors (CAR)-engineered immune cells, natural killer-cell (NK-cell) therapy, monoclonal antibodies (mAbs), checkpoint inhibitors, and the use of oncolytic viruses (OVs) in pre-clinical and clinical studies. This review will mainly focus on blood malignancies but also describe solid 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».