Fundamentals and Applications of Focused Ultrasound-Assisted Cancer Immune Checkpoint Inhibition for Solid Tumors
Notice bibliographique
Résumé
Despite spectacular clinical successes across several cancer types, immune checkpoint inhibition is effective only in subgroups of patients and suffers from significant systemic toxicities, highlighting the need to understand and locally overcome the mechanisms of therapeutic resistance. Similarly to other therapeutics, immunotherapies face delivery challenges (for example, antibodies need to reach their targets) and immunological barriers that are unique to solid tumors and their microenvironment. Interestingly, focused ultrasound (FUS), with or without microbubbles, which has been shown to enhance gene and drug delivery, notably in oncology, has been recently found to trigger immunological responses. In recent years, there has been a strong emphasis on understanding the biological and immunological effects of FUS for cancer therapy, and FUS is now emerging as an approach that can improve cancer immunotherapy. We herein review: (1) the immunological barriers implicated in ICI resistance; (2) the fundamentals of FUS +/- MB and the current knowledge on leveraging FUS +/- MB bioeffects for improving ICI therapy efficacy; (3) the immune profile of tumor models that have been successfully treated with FUS and ICI; and finally, (4) we discuss the challenges ahead for translating FUS and MB treatments to the clinic, highlighting the exciting perspectives for this new research area.
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 | 0,000 | 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 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 ».