Radioimmunotherapy as a pathogen-agnostic treatment method for opportunistic mucormycosis infections
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Invasive fungal infections (IFIs) such as mucormycosis are causing devastating morbidity and mortality in immunocompromised patients as anti-fungal agents do not work in the setting of a suppressed immune system. The coronavirus disease 2019 (COVID-19) pandemic has created a novel landscape for IFIs in post-pandemic patients, resulting from severe immune suppression caused by COVID-19 infection, comorbidities (diabetes, obesity) and immunosuppressive treatments such as steroids. The antigen–antibody interaction has been employed in radioimmunotherapy (RIT) to deliver lethal doses of ionizing radiation emitted by radionuclides to targeted cells and has demonstrated efficacy in several cancers. One of the advantages of RIT is its independence of the immune status of a host, which is crucial for immunosuppressed post-COVID-19 patients. In the present work we targeted the fungal pan-antigens 1,3-beta-glucan and melanin pigment, which are present in the majority of pathogenic fungi, with RIT, thus making such targeting pathogen-agnostic. We demonstrated in experimental murine mucormycosis in immunocompetent and immunocompromised mice that lutetium-177 ( 177 Lu)-labelled antibodies to these two antigens effectively decreased the fungal burden in major organs, including the brain. These results are encouraging because they show the effectiveness of pathogen-agnostic RIT in significantly decreasing fungal burden in vivo , while they can also potentially be applied to treat the broad range of invasive fungal infections that express the pan-antigens 1,3-beta-glucan or melanin.
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.
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) | 0,000 | 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 découle