MétaCan
Menu
Retour à la cohorte
Enregistrement W4393143804 · doi:10.1007/s00203-024-03855-2

Viruses exploit growth factor mechanisms to achieve augmented pathogenicity and promote tumorigenesis

2024· article· en· W4393143804 sur OpenAlexfundno aff
Sarvenaz Sabouri-Rad, Evdokia Dimitriadis, Theo Mantamadiotis

Notice bibliographique

RevueArchives of Microbiology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of Infection and ImmunityUniversity of Melbourne
Mots-clésExploitPathogenicityCarcinogenesisBiologyMicrobial ecologyComputational biologyMicrobiologyCancerGeneticsBacteriaComputer scienceComputer security

Résumé

récupéré en direct d'OpenAlex

Cellular homeostasis is regulated by growth factors (GFs) which orchestrate various cellular processes including proliferation, survival, differentiation, motility, inflammation and angiogenesis. Dysregulation of GFs in microbial infections and malignancies have been reported previously. Viral pathogens exemplify the exploitation of host cell GFs and their signalling pathways contributing to viral entry, virulence, and evasion of anti-viral immune responses. Viruses can also perturb cellular metabolism and the cell cycle by manipulation of GF signaling. In some cases, this disturbance may promote oncogenesis. Viral pathogens can encode viral GF homologues and induce the endogenous biosynthesis of GFs and their corresponding receptors or manipulate their activity to infect the host cells. Close investigation of how viral strategies exploit and regulate GFs, a will shed light on how to improve anti-viral therapy and cancer treatment. In this review, we discuss and provide insights on how various viral pathogens exploit different GFs to promote viral survival and oncogenic transformation, and how this knowledge can be leveraged toward the design of more efficient therapeutics or novel drug delivery systems in the treatment of both viral infections and malignancies.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,747

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,271
Écart entre enseignants0,256 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations1
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of MicrobiologyMême sujetVirus-based gene therapy researchTravaux en français237 207