Alternative Strategies for Delivering Immunotherapeutics Targeting the PD-1/PD-L1 Immune Checkpoint in Cancer
Notice bibliographique
Résumé
T cells activates downstream signaling pathways that culminate in T cell exhaustion and/or apoptosis. Physiologically, these immunosuppressive effects exist to prevent autoimmunity, but cancer cells exploit this pathway by overexpressing PD-L1 to facilitate immune escape. Intravenously (IV) administered immune checkpoint inhibitors (ICIs) that block the interaction between PD-1/PD-L1 have achieved great success in reversing T cell exhaustion and promoting tumor regression in various malignancies. However, these ICIs can cause immune-related adverse events (irAEs) due to off-tumor toxicities which limits their therapeutic potential. Therefore, considerable effort has been channeled into exploring alternative delivery strategies that enhance tumor-directed delivery of PD-1/PD-L1 ICIs and reduce irAEs. Here, we briefly describe PD-1/PD-L1-targeted cancer immunotherapy and associated irAEs. We then provide a detailed review of alternative delivery approaches, including locoregional (LDD)-, oncolytic virus (OV)-, nanoparticle (NP)-, and ultrasound and microbubble (USMB)-mediated delivery that are currently under investigation for enhancing tumor-specific delivery to minimize toxic off-tumor effects. We conclude with a commentary on key challenges associated with these delivery methods and potential strategies to mitigate them.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».