CAR-T cell immunotherapy for ovarian cancer: hushing the silent killer
Notice bibliographique
Résumé
cause of cancer-related mortality in women, with a high percentage of the patients being diagnosed at late stages of the disease and a five-year survival of ~ 30%. Ovarian cancer patients conventionally undergo surgery for tumor removal followed by platinum- or taxane-based chemotherapy; however, a high percentage of patients experience tumor relapse. Cancer immunotherapy has been regarded as a silver lining in the treatment of patients with various immunological or oncological indications; however, mirvetuximab soravtansine (a folate receptor α-specific mAb) and bevacizumab (a VEGF-A-specific mAb) are the only immunotherapeutics approved for the treatment of ovarian cancer patients. Chimeric antigen receptor T-cell (CAR-T) therapy has achieved tremendous clinical success in the treatment of patients with certain B-cell lymphomas and leukemias, as well as multiple myeloma. In the context of solid tumors, CAR-T therapies face serious obstacles that limit their therapeutic benefit. Such hindrances include the immunosuppressive nature of solid tumors, impaired tumor infiltration, lack of qualified tumor-associated antigens, and compromised stimulation and persistence of CAR-Ts following administration. Over the past years, researchers have made arduous attempts to apply CAR-T therapy to ovarian cancer. In this review, we outline the principles of CAR-T therapy and then highlight its limitations in the context of solid tumors. Ultimately, we focus on preclinical and clinical findings achieved in CAR-T-mediated targeting of different ovarian cancer-associated target antigens.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».