MétaCan
Menu
Retour à la cohorte
Enregistrement W4402344373 · doi:10.1002/imt2.240

Multi‐level insights into the immuno‐oncology‐microbiome axis: From biotechnology to novel therapies

2024· article· en· W4402344373 sur OpenAlexaff
Zheshun Pi, Weici Liu, Chenghu Song, Chuandong Zhu, Jiwei Liu, Lu Wang, He Zhao, Chengliang Yang, Lei Wu, Tianshuo Liu, Zijie Geng, Scott J. Tebbutt, Ning‐Ning Liu, Yuan Wan, Faming Zhang, Wenjun Mao

Notice bibliographique

RevueiMeta · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensPrevention of Organ FailureSt. Paul's HospitalUniversity of British Columbia
Organismes subventionnairesNatural Science Foundation of Jiangsu ProvinceNational Cancer InstituteGovernment of Jiangsu Province
Mots-clésMicrobiomeBiotechnologyComputational biologyBiologyInternal medicineMedicineOncologyBioinformatics

Résumé

récupéré en direct d'OpenAlex

The multifaceted interactions among the immune system, cancer cells and microbial components have established a novel concept of the immuno-oncology-microbiome (IOM) axis. Microbiome sequencing technologies have played a pivotal role in not only analyzing how gut microbiota affect local and distant tumors, but also providing unprecedented insights into the intratumor host-microbe interactions. Herein, we discuss the emerging trends of transiting from bulk-level to single cell- and spatial-level analyses. Moving forward with advances in biotechnology, microbial therapies, including microbiota-based therapies and bioengineering-inspired microbes, will add diversity to the current oncotherapy paradigm.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,532
Score d'incertitude au seuil0,427

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 Opus0,029
Tête enseignante GPT0,328
Écart entre enseignants0,299 · 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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiMetaMême sujetCancer Research and TreatmentsTravaux en français237 207